Teaching Knowledge Synthesis Methodologies in a Higher Education Setting: A Scoping Review of Face-to-Face Instructional Programs
Notice bibliographique
Résumé
Abstract Background – Knowledge synthesis (KS) reviews are increasingly being conducted and published. Librarians are frequently taking a role in training colleagues, faculty, graduate students, and others on aspects of knowledge syntheses methods. Objective – In order to inform the design of a workshop series, the authors undertook a scoping review to identify what and how knowledge synthesis methods are being taught in higher education settings, and to identify particularly challenging concepts or aspects of KS methods. Methods – The following databases were searched: MEDLINE, EMBASE & APA PsycInfo (via Ovid); LISA (via ProQuest); ERIC, Education Research Complete, Business Source Complete, Academic Search Complete, CINAHL, Library & Information Science Source, and SocIndex (via EBSCO); and Web of Science core collection. Comprehensive searches in each database were conducted on May 31, 2019 and updated on September 13, 2020. Relevant conferences and journals were hand searched, and forward and backward searching of the included articles was also done. Study selection was conducted by two independent reviews first by title/abstract and then using the full-text articles. Data extraction was completed by one individual and verified independently by a second individual. Discrepancies in study selection and data extraction were resolved by a third individual. Results – The authors identified 2,597 unique records, of which 48 full-text articles were evaluated for inclusion, leading to 17 included articles. 12 articles reported on credit courses and 5 articles focused on stand-alone workshops or workshop series. The courses/workshops were from a variety of disciplines, at institutions located in North America, Europe, New Zealand, and Africa. They were most often taught by faculty, followed by librarians, and sometimes involved teaching assistants. Conclusions – The instructional content and methods varied across the courses and workshops, as did the level of detail reported in the articles. Hands-on activities and active learning strategies were heavily encouraged by the authors. More research on the effectiveness of specific teaching strategies is needed in order to determine the optimal ways to teach KS methods.
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 | 0,113 | 0,301 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,031 | 0,026 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».