Faculty Perspectives on UDL: Exploring Bridges and Barriers for Broader Adoption in Higher Education
Notice bibliographique
Résumé
Universal Design for Learning (UDL) strategies aim to reduce learning barriers in the classroom for all students and remove the need for students with disabilities to advocate on their own behalf. Leadership in Scholarship of Teaching and Learning has a role to play in advancing inclusive learning cultures in higher education. At the frontline of higher education delivery, faculty are best positioned to implement UDL practices. Initiatives to encourage broader implementation of UDL require an understanding of the barriers and opportunities in higher education. Published studies that investigate faculty understanding and implementation of UDL have been almost exclusively conducted in US institutions. Our study enriches the existing literature through a mixed methods approach with interviews and a faculty survey in a Canadian context. Themes revealed in our interviews were reinforced by survey findings. Many of the issues raised by faculty, including time and resource constraints, a lack of institutional support, and a lack of understanding are consistent with previous research done in the US, highlighting the systemic challenges for UDL implementation in higher education. To conclude, we explore the limits of a strictly bottom-up approach and contend, in line with recent studies, that top-down initiatives are also vital to encouraging broader implementation of UDL practices.
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 | 0,068 | 0,097 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,026 | 0,023 |
| Communication savante | 0,022 | 0,015 |
| Science ouverte | 0,004 | 0,018 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».