Making Meaning from Student Evaluations of Teaching (SETs)–Seeing beyond our own horizons
Notice bibliographique
Résumé
Within postsecondary education, the assessment of effective teaching has largely relied upon student evaluations of teaching. However, the process through which teachers make sense of their student evaluations is unclear. A research team of six undergraduate nursing students and four nursing educators explored the research question: How do nursing educators make meaning from their student evaluations of teaching? Gadamerian hermeneutics guided unstructured interviews with nursing educators working at a Middle East campus of a Canadian university. The interview transcripts were interpreted through a process of naïve readings, rereadings, interpretive dialogues, and interpretive writing that generated the following hermeneutic interpretations: Teachers make meaning of their student evaluation through generalized subjective characterizations of students and through their expressed intentions for their teacher-student relationships. Some of these characterizations and expressed intentions obscured what truths could be learned from the student evaluations of teaching. The experience of receiving critical student feedback invoked a personal response, at the same time, paradoxically, teachers worked hard to “not take it personally.” We suggest the practice of deep listening as a way to understand students’ feedback. The main takeaway message from this research is that teachers need a supportive and sustaining community of peers who are also open to listening deeply to the truths embedded in student evaluations of teaching.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,026 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,011 |
| Communication savante | 0,014 | 0,009 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».