MétaCan
Menu
Retour à la cohorte
Enregistrement W3003226591 · doi:10.4018/978-1-7998-2212-7.ch019

Overcoming Challenges to Impactful SoTL

2020· book-chapter· en· W3003226591 sur OpenAlexaff
Sherry Fukuzawa, Dianne Ashbourne, Fiona Rawle

Notice bibliographique

RevueAdvances in educational marketing, administration, and leadership book series · 2020
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Practises and Engagement
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCognitive reframingScholarship of Teaching and LearningScholarshipInstitutionSociologyIdentity (music)Engineering ethicsPedagogyPolitical sciencePsychologySocial scienceEngineeringTeaching methodTeaching and learning centerPhilosophySocial psychology

Résumé

récupéré en direct d'OpenAlex

In order for teaching and learning to improve throughout an institution, the Scholarship of Teaching and Learning (SoTL) must be valued within institutional culture and contribute to the scholarly identity of researchers. This chapter emphasizes some of the challenges for SoTL researchers, whether educational developers or faculty members, to consider as they begin their foray into educational research. SoTL challenges are divided into four inter-related themes: (1) scholarly identity, (2) institutional challenges, (3) accessing and searching the SoTL literature, and (4) conducting SoTL research (SoTL research design, methodology, funding and time commitments, and ethical considerations). The chapter includes a series of opportunities and resources to help SoTL researchers reframe these challenges into opportunities for their institutions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,945
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,104
Tête enseignante GPT0,350
Écart entre enseignants0,246 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in educational marketing, administration, and leadership book seriesMême sujetHigher Education Practises and EngagementTravaux en français237 207