Teaching Squares: Crossing New Borders
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Teaching Squares is a teaching development initiative that brings instructors together in small groups to observe one-another’s classes and reflect on their experiences in a non-judgmental, supportive environment (University of Waterloo, (n.d.). Durham College, the University of Ontario Institute of Technology (UOIT), and a key industry partner, Ontario Power Generation (OPG), have partnered on a Teaching Squares initiative, enabling primarily face-to-face discussions amongst instructors at all three institutions. Despite positive feedback and minimal time demands, building faculty enrollment and involvement remains challenging to engage instructors across various disciplines, fields, and delivery formats. In the fall 2017 semester, a professor teaching in a fully online program enrolled in Teaching Squares, participating completely online. Although the significance of peer observation to support teaching in an online environment is well documented (Bennett & Santy, 2009; Swinglehurst, et al., 2008), there were logistical challenges, including arranging recordings of face-to-face classes for the online professor to observe, and involving the professor in face-to-face discussions amongst program participants. Despite the challenges, this experience inspired discussion about how Teaching Squares may be piloted in a fully online format. This paper and presentation will continue this discussion, extending it to the possibilities of expanding enrollment to international partners to promote the exchange of ideas across institutional and geographical borders and to provide more diversity of perspectives on Teaching and Learning in a digital 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.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,015 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 découle