MétaCan
Menu
Retour à la cohorte
Enregistrement W3044369902 · doi:10.5206/cjsotl-rcacea.2020.1.8203

The Changing Landscape of Graduate Teaching Certificate Programs in Canada

2020· article· en· W3044369902 sur OpenAlexaffvenueabout
Stephanie Verkoeyen, Erin Elizabeth Allard

Notice bibliographique

RevueThe Canadian Journal for the Scholarship of Teaching and Learning · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Practises and Engagement
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésCertificateGraduate studentsMedical educationComputer scienceWatsonGraduate educationResource (disambiguation)Key (lock)Mathematics educationLibrary sciencePolitical sciencePsychologyMedicineArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In a 2014 paper, Kenny, Watson, and Watton analyzed 13 Canadian universities offering graduate teaching certificate programs. This research used the Kenny et al. (2014) framework to provide an update, addressing the following research questions. First, has there since been an increase in the number of graduate teaching certificate programs at Canadian universities? Second, how do the common features of these programs compare to those identified by Kenny et al. (2014)? Third, how responsive are programs to recent trends in graduate teaching development? Key features within program administration, outcomes, structure, assessment, and recognition were examined, as were some current trends in post-secondary teaching. Program-related information was collected from the institutional websites of Canadian universities and verified by program key contacts. Since 2014, there has been a considerable increase in the number of graduate teaching certificate programs, both within and across institutions (from 13 programs at 13 institutions in 2014 to 36 programs at 25 institutions in 2019). This may be impacting how programs are structured and assessed. On the one hand, there appears to be movement towards reducing barriers to access programming, yet this growth may coincide with less resource-intensive program components and assessments. The responsiveness of programming to recent trends in program administration, programming content, and recognition varied.

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)0,014
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,474
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0140,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0090,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,240
Tête enseignante GPT0,349
Écart entre enseignants0,109 · 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
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

Citations4
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal for the Scholarship of Teaching and LearningMême sujetHigher Education Practises and EngagementTravaux en français237 207