MétaCan
Menu
Retour à la cohorte
Enregistrement W3209688041 · doi:10.5539/jel.v10n6p82

Creating Core Competencies and Workload-Based Key Outcome Indicators of University Lecturers’ Performance Assessment: Functional Analysis

2021· article· en· W3209688041 sur OpenAlexvenueno aff
Chatchawan Nongna, Putcharee Junpeng, Jongrak Hong-ngam, Chalunda Podjana, Keow Ngang Tang

Notice bibliographique

RevueJournal of Education and Learning · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCompetency Development and Evaluation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWorkloadContext (archaeology)Core competencyPsychologyMedical educationPerformance appraisalIndex (typography)Computer scienceMedicineManagement

Résumé

récupéré en direct d'OpenAlex

This research aims to create and validate the quality of performance assessment using functional analysis. The researchers employed a design-based research method to create core competencies and their workload-based key outcome indicators as a preliminary study encompassing two phases, before formulating a standards-setting appraisal model to assess university lecturers in a public university, Thailand. The researchers began with documentary research to identify core competencies of university lecturers from three clusters of educational programs, namely science and technology, health science, and humanities and social sciences. An innovative prototype of university lecturers’ core competencies was developed based on the obtained results from the first phase. A total of five experts and 17 users participated to validate the quality of the innovative prototype. The preliminary results reveal that there are four core competencies of university lecturers, namely teaching, research, academic service, and preserving arts and culture. Moreover, there are 13 workload-based key outcome indicators and 27 elements that resulted from the four core competencies related to the specific research university in the Thai context. Moreover, the quantitative results of the content validity index from the rating scales of the five experts indicate that the conformity index is 0.78 or higher. However, the qualitative interview results regarding the 17 users from four focus groups imply that there is a gap regarding the accuracy of current performance appraisal between lecturers’ core competencies and their actual workload. Therefore, the dean should make the necessary adjustments based on the context.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,058
score de la tête « metaresearch » (Gemma)0,133
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,942
Score d'incertitude au seuil0,309

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0580,133
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,036
Tête enseignante GPT0,328
Écart entre enseignants0,291 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
DomaineÉvaluation
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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetCompetency Development and EvaluationTravaux en français237 207