MétaCan
Menu
Retour à la cohorte
Enregistrement W3005729784 · doi:10.4324/9781315652184-17

Supervising transdisciplinary doctoral research: adopting transcendent and transgressive supervisory strategies

2016· book-chapter· en· W3005729784 sur OpenAlexaboutno aff
Catherine Manathunga

Notice bibliographique

RevueUSC Research Bank (University of the Sunshine Coast) · 2016
Typebook-chapter
Langueen
DomaineHealth Professions
ThématiqueDoctoral Education Challenges and Solutions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTransgressiveSociologyPsychologyEngineering ethicsEngineeringGeologyGeomorphology

Résumé

récupéré en direct d'OpenAlex

It was ten years ago that my colleagues and I fi rst wrote about ‘interdisciplinary’ doctoral education and supervision pedagogies (Manathunga, Lant and Mellick 2006). Although, as Klein (1996) emphasizes, ideas about interdisciplinarity or transdisciplinarity have been around since at least the 1930s, transdisciplinary doctoral education was still a relatively new phenomenon at the beginning of the twenty-fi rst century. To emphasize this, we called our piece ‘Imagining an interdisciplinary pedagogy’. We reviewed a number of doctoral programs around the globe that claimed to be interdisciplinary and developed a number of ‘key dimensions of a potential interdisciplinary doctoral pedagogy’ including: • relational, mediated, transformative and situated learning experiences; • intercultural knowledge and skill development; • enhancing candidates’ higher order thinking and metacognitive skills; • enhancing candidates’ epistemological understandings of their original discipline. (Manathunga et al. 2006, 368) We also suggested that there was a need to follow four principles: • create spaces for interdisciplinary dialogue – relational; • engage in interdisciplinary interaction with others and with the texts and tools of a number of disciplines – mediated; • synthesize disciplinary knowledges in order to produce original, creative ideas and futures – transformative; • create personal, interpersonal and communal intellectual contexts conducive to interdisciplinary exchange – situated. (Manathunga et al. 2006, 369) If anything, the imperatives for transdisciplinary research and doctoral education have become even stronger in the last 10 years. This was especially brought home to me in my recent role as an external reviewer of an effective transdisciplinary Doctor of Social Science program in Canada. Increasingly, doctoral candidates conduct research that moves across and between the university, industry, business, community and other sectors. The need for both supervisors and candidates to have excellent intercultural communication skills and knowledge in order to navigate the multitude of sub-cultures, discourses and languages associated with transdisciplinary and cross-sectoral research (Manathunga 2009) has become even greater. All of these trends require supervisors who have high levels of epistemological fl exibility so that they may help their doctoral candidates to engage sensitively and equitably with diverse disciplinary, sectoral and cultural knowledge. These trends also mean that supervisors need effective teamwork skills in order to manage increasingly complex transdisciplinary supervision teams. Therefore, it is highly likely that recent insights into effective transcultural supervision pedagogies (Manathunga 2014) may also have resonance for the development of a refl exive approach to transdisciplinary doctoral education and supervision.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,484
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0050,002
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,618
Tête enseignante GPT0,522
Écart entre enseignants0,096 · 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'étudeQualitatif
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUSC Research Bank (University of the Sunshine Coast)Même sujetDoctoral Education Challenges and SolutionsTravaux en français237 207