Beliefs or Intentionality? Instructor Approaches to ePortfolio Pedagogy
Notice bibliographique
Résumé
We provide evidence to substantiate the learning potential of eportfolios by focusing on instructor variables that influence eportfolio learning experiences. We conducted a mixed-methods study of over 800 students across 30 courses. Using survey, interview, and focus group data, we argue that instructors’ approaches to eportfolio activities play a critical but underappreciated role in whether the eportfolio will be a valued student learning experience. By adapting categorizations of deep, surface, and strategic learning, we argue that an instructor’s approach to eportfolios can be classified in a similar manner. We analyze how the instructor adheres to eportfolio best practices, and how the instructor manages student expectations and relays the importance of the eportfolio. As a result, we propose that instructors too can adopt a deep, surface, or strategic approach to eportfolios. Our data show that students generally benefit most when instructors adopt a deep, intentional approach to eportfolios, such as having a long-term investment in the course (e.g., teaching it more than one time), taking a hands-on approach with the administration of the eportfolio, and collaboratively designing the eportfolio activity. Nous présentons des preuves afin de justifier le potentiel d’apprentissage des ePortfolios en nous concentrant sur les variables des instructeurs qui influencent les expériences d’apprentissage présentées par les ePortfolios. Nous avons mené une étude à méthodologie mixte auprès de plus de 800 étudiants dans 30 cours différents. Nous avons recueilli des données suite à des sondages, des entrevues et des groupes de discussion et nous en avons déduit que les activités préparées pour les ePortfolios par les instructeurs jouent un rôle primordial mais toutefois non apprécié à sa juste valeur pour déterminer si le ePortfolio va être une expérience d’apprentissage enrichissante. En adaptant des catégorisations d’apprentissage profond, de surface et stratégique, nous pensons que l’approche d’un instructeur vis-à-vis du ePortfolio peut être classifiée de la même manière. Nous analysons la manière dont l’instructeur adhère aux meilleures pratiques du ePortfolio ainsi que la manière dont l’instructeur gère les attentes des étudiants et transmet l’importance du ePortfolio. En conséquence, nous proposons que les instructeurs eux aussi peuvent adopter une approche profonde, en surface et stratégique vis-à-vis des ePortfolios. Nos données indiquent qu’en général, les étudiants bénéficient le plus quand les instructeurs adoptent une approche profonde et intentionnelle vis-à-vis des ePortfolios, comme par exemple le fait de consacrer un investissement à long-terme dans le cours (par exemple, le fait de l’enseigner davantage qu’une seule fois), d’adopter une approche pratique vis-à-vis de l’administration du ePortfolio, et en assurant la conception en collaboration des activités du ePortfolio.
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 | 0,017 | 0,021 |
| 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 | 0,011 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 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; un appel candidat d’une seule tête enseignante, 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 ».