Who are the instructional assistant interns?: Examining the synergy of teaching assistants in first-year engineering course during the pandemic
Notice bibliographique
Résumé
Abstract This work-in-progress paper will examine the synergy of roles of instructional assistant interns (IAIs) and teaching assistants (TAs) in remote teaching and learning of the redesigned first-year engineering curriculum. Unique to this redesigned first-year engineering course for 1200 students in the current pandemic is the introduction of 11 IAIs on top of eight instructors, 150 TAs, and four staff. IAIs are upper-year engineering students and are responsible for the delivery of weekly Lab and Design Studio sessions while TAs are also upper-year engineering students who were hired on a part-time basis for students' mentorship and grading. Viewed through the lens of legitimate peripheral participation in a community of practice (Lave & Wenger, 1991), this paper will explore the best practices of combining IAIs and TAs in a course. A mixed methodology (Johnson & Onwuegbuzie, 2004; Purzer, 2011) will be employed, and data gathering and analysis are expected to be completed at the end of January 2021. A self-assessment survey regarding IAIs and TAs' roles, preparation, and experiences will be conducted. A separate focus group discussion and semi-structured interview with IAIs and TAs will also be undertaken. Quantitative data will be used to describe the reliability, spread, and correlations of responses between IAIs and TAs. Qualitative data will be coded thematically (Braun & Clarke, 2006). Themes will be generated using open-axial-selective coding (Corbin & Strauss, 2008). Quantitative and qualitative analysis will be triangulated to inform how IAIs and TAs promote performance skills crucial for future engineers such as communication abilities, conflict mediation, etc. (Bolstad et al., 2020). Best practices in teaching and learning through the synergies of IAIs and TAs, particularly in virtual setting, and lessons learned on how to address practical issues (like managing conflict), personal issues (like reflective practices), and professional development issues (like pedagogical training) will be highlighted.
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 | 0,003 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».