The Slow Professor: Challenging the Culture of Speed in the Academy, by Maggie Berg and Barbara K. Seeber. 2016. 115 pages, paperback. Toronto: University of Toronto Press.
Notice bibliographique
Résumé
This paper explores the principles of the Slow Movement to counter work-stress among university and college teachers. We believe that a Slow approach to teaching and learning may be the most effective way to counter the erosion of humanistic education by the corporate ethos of consumerism, efficiency, accountability, and standardisation We explore the principles of Slow not only to counter the consumer model of education but also to foster better teachers and learners. It is well-documented that changes in academic work have created significant stress among academic teachers (Catano, Francis, Haines, Kirpalani, Shannon, Stringer, & Lozanksi, 2007; Miller, Buckholdt & Shaw, 2008), and students (Dabney, 1995; Brown & Ralph 1999; Rowbotham and Julian 2006), but what requires further attention is the link between the corporate reliance on efficiency and the problem of lack of time in learning and teaching. Corporatisation has sped up the clock. The Slow Movement—originating in the Slow Food Movement—has gained recognition as a way to resist both globalization and the frantic pace of contemporary life. While slowness has been lauded in architecture, business, urban life and interpersonal relations, among others, it has yet to be applied to academia. Yet, if there is one sector of society that should be cultivating deep thought in themselves and others it is academic teachers. The consumerism that has taken hold in higher education propels the belief that time is money, resulting in superficial learning (Coté & Allahar, 2011b; Readings, 1996). Perhaps the most damaging effect of corporatisation in the universities is that individual educators feel paralysed in the face of overwhelming odds. Our focus on individuals and their own professional practice is conceived as political resistance to corporatisation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,007 | 0,008 |
| Communication savante | 0,011 | 0,016 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,007 |
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 source (Gemma direct ou Codex distillé), 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 ».