MétaCan
Menu
Retour à la cohorte
Enregistrement W2906111153 · doi:10.1007/s10734-018-0349-8

How conceptualisations of curriculum in higher education influence student-staff co-creation in and of the curriculum

2018· article· en· W2906111153 sur OpenAlexaff
Catherine Bovill, Cherie Woolmer

Notice bibliographique

RevueHigher Education · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Practises and Engagement
Établissements canadiensMcMaster University
Organismes subventionnairesUniversity of Edinburgh
Mots-clésCurriculumCurriculum theoryEmergent curriculumCurriculum mappingCLARITYVariety (cybernetics)Context (archaeology)PedagogyHigher educationSociologyCurriculum developmentMathematics educationPsychologyPolitical scienceComputer scienceChemistry

Résumé

récupéré en direct d'OpenAlex

There is a wide range of activity taking place under the banner of ‘co-created curriculum’ within higher education. Some of this variety is due to the different ways people think about ‘co-creation’, but significant variation is also due to the ways in which higher education curriculum is conceptualised, and how these conceptualisations position the student in relation to the curriculum. In addition, little attention is paid to the differences between co-creation of the curriculum and co-creation in the curriculum. This paper addresses this gap by examining four theoretical frameworks used to inform higher education curriculum design. We examine how each framework considers the position of the learner and how this might influence the kinds of curricular co-creation likely to be enacted. We conclude by calling for more discussion of curriculum and curriculum theories in higher education—and for these discussions to include students. We argue that more clarity is needed from scholars and practitioners as to how they are defining curriculum, and whether they are focused on co-creation of the curriculum or co-creation in the curriculum. Finally, we suggest that paying greater attention to curriculum theories and their assumptions about the learner, offers enhanced understanding of curricular intentions and the extent to which collaboration is possible within any particular context.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,037
score de la tête « metaresearch » (Gemma)0,064
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,195

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0370,064
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0060,018
Communication savante0,0210,011
Science ouverte0,0020,010
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,390
Écart entre enseignants0,356 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations206
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHigher EducationMême sujetHigher Education Practises and EngagementTravaux en français237 207