The Tail Wagging the Dog; An Overdue Examination of Student Teaching Evaluations
Notice bibliographique
Résumé
Purpose: The purpose of this research is to examine the impact of several factors beyond the professor’s control and their unique impact on Student Teaching Evaluations (STEs). The present research pulls together a substantial amount of data to statistically analyze several academic historical legends about just how vulnerable STEs are to the effects of: class size, course type, professor gender, and course grades. Design/methodology/approach: This research is utilizes over 30,000 individual student evaluations of 255 professors, spanning six semesters, during a three year time period to test six hypotheses. The final sample represents 1057 classes ranging in size between 10 and 190 students. Each hypothesis is statistically analyzed, with either analysis of variance or a Regression model. Findings : This study finds support for 5 out of 6 hypotheses. Specifically, these data suggest STEs are likely to be closest to “5” (using a 1-5 scale with 5 being highest) in small elective classes, and lowest in large required classes taught by females. As well we find support for the notion that higher expected course grades may lead to higher STEs. Practical implications : The practical significance of this research is important. First this research utilized a large data set spanning several years and hundreds of professors and thousands of students and rigorous statistical analysis to assert several important findings. Indeed STEs are impacted significantly by class type, class size, the gender of the professor and the expected course grade. With these findings we suggest a more comprehensive mechanism is in order for evaluation of teaching effectiveness. Social implications: This research could have great social implications if widely read across academic circles. Indeed the tail is wagging the dog; or the student is influencing teaching across America’s universities. It is time to examine teaching effectiveness through a different lens, because using teaching evaluations to determine promotion and tenure, sparse bonus allocation, and teaching awards may be short sighted. Research limitations: While this research is statistically accurate, it is limited by the notion that the data was collected from one large area. As such, care should be taken in generalizing these results to other areas that may have different demographic composition, funding etc. Originality/value: To the best of the authors’ knowledge this research is the first of its kind to statistically analyze such a large body of data and provide a useful guide to help evaluate professors utilizing what information is available.
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 | 0,016 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».