Navigating the landscape of pedagogical training: The journeys of three mathematics graduate students
Notice bibliographique
Résumé
This article describes the landscape of teaching assistantships (TAships) in the Mathematics Department of a large, public, research institution. First, we present visualized data describing the terrain for all mathematics graduate students. Second, we focus on three specific journeys in that terrain. We employ an autoethnographical research methodology to analyze the pedagogical paths of three recent graduates through written reflection. We highlight some surprising themes that emerge, identify key moments in each reflection, and make three proposals, applicable in broader contexts, to capture and confer their benefits. Dans notre article, nous traçons le portrait de l’assistanat d’enseignement dans le département de Mathématique d’un grand établissement public de recherche. Tout d’abord, nous présentons des données sous forme visuelle de manière à décrire la réalité sur le terrain des étudiants en mathématique des cycles supérieurs. Ensuite, nous portons notre attention sur trois parcours particuliers. Au moyen de réflexions menées par écrit, nous utilisons une méthodologie de recherche autoethnographique afin d’analyser le parcours pédagogique de trois nouveaux diplômés. Nous soulignons certains thèmes surprenants, nous dégageons les moments clés de chaque réflexion, puis nous énonçons trois propositions – lesquelles peuvent être utilisées dans un contexte plus large – et nous en présentons les avantages.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».