Using Appreciative Inquiry to Understand the Role of Teaching Practices in Student Well-being at a Research-Intensive University
Notice bibliographique
Résumé
Appreciative inquiry (a research approach comprising four stages: Discovery, Dream, Design, and Destiny) was used at a research-intensive university to investigate which teaching practices positively influence student well-being (i.e., their health and quality of life). In a survey, undergraduate students were asked to select the teaching practices they believed best supported their well-being. Focus groups also were conducted, with: (1) students, and (2) instructors identified by students as using teaching practices that supported their well-being. Mixed-methods data-analyses subsequently were used to identify instructional strategies that support student well-being. L’enquête appréciative (une approche de recherche qui comprend quatre étapes : découverte, rêve, conception et destinée) a été utilisée dans une université centrée sur la recherche pour enquêter sur les pratiques d’enseignement et déterminer lesquelles influencent positivement le bien-être des étudiants (c’est-à-dire leur santé et leur qualité de vie). Dans un sondage, on a demandé aux étudiants de premier cycle de choisir les pratiques d’enseignement qui, selon eux, favorisaient le mieux leur bien-être. Des groupes de discussion ont également été organisés, avec (1) des étudiants et (2) des instructeurs identifiés par les étudiants comme étant ceux qui employaient des pratiques d’enseignement qui favorisaient leur bien-être. Ensuite, les données ont été analysées selon des méthodes mixtes pour identifier les stratégies d’instruction qui favorisent le bien-être des étudiants.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,032 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,013 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».