MétaCan
Menu
Retour à la cohorte
Enregistrement W3013727910 · doi:10.4018/978-1-7998-2943-0.ch001

Innovation, Critical Pedagogy, and Appreciative Feedback

2020· book-chapter· en· W3013727910 sur OpenAlexaff
Ken Jeffery, Lauren Halcomb-Smith

Notice bibliographique

RevueAdvances in higher education and professional development book series · 2020
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueStudent Assessment and Feedback
Établissements canadiensRoyal Roads University
Organismes subventionnairesnon disponible
Mots-clésDialogicScope (computer science)DyadPower (physics)PedagogyProcess (computing)Critical pedagogyAppreciative inquiryThrough-the-lens meteringPsychologySociologyEngineeringComputer scienceLens (geology)Social psychology

Résumé

récupéré en direct d'OpenAlex

The practice of giving and receiving feedback is an essential element of a wholesome educational experience. As learners are engaged in the vulnerable role of waiting for and receiving feedback, there is a significant and potentially problematic power relationship at play in the feedback dyad. This chapter proposes that the practice of giving feedback offers a great scope for innovation, and that critical pedagogy offers a theoretical lens through which such innovation may be understood. This chapter explores and defines innovation through the lens of critical pedagogy, which calls for the intentional questioning of existing power structures in education. A scan of the literature presents the importance of feedback in the learning process, and supports a move towards a dialogic, student-centered process. The writers share two case studies in appreciative feedback and provide a proposed model for innovation in the delivery of feedback. When viewed as a compassionate, supportive act, feedback is well positioned to benefit learners as viewed through the lens of critical pedagogy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,016
Communication savante0,0070,008
Science ouverte0,0010,004
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,405
Écart entre enseignants0,361 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in higher education and professional development book seriesMême sujetStudent Assessment and FeedbackTravaux en français237 207