Brokering Boundary Crossings through the SoTL Landscape of Practice
Notice bibliographique
Résumé
This study examines the lived experiences of seven internationally diverse scholars from Canada, the United States, New Zealand, and Australia to answer the question: how do we make meaning of our collective boundary crossing experiences across disciplines and positions within SoTL? Our positions range from graduate student, faculty, and academic developers, to department chair and centre director. We conducted a phenomenological study, based on narratives of experience, and drew on Wenger-Trayner and Wenger-Trayner’s (2015) theoretical framework that explores the features of a landscape of practice. Guided by this framework, we analyze our boundary crossings and brokering across the “diverse, political and flat” features of the SoTL landscape. Our collective findings highlight the critical role brokers play in facilitating boundary crossings. Brokering is precarious, bringing people together, building trusting relationships, and developing legitimacy while negotiating deadlocks, bureaucracy, authorities, and a multitude of challenges. Brokers, we found, require strength and resilience to mobilise, influence, and drive change in the landscape to transform existing practices or create new ones. We suggest that our analytical process can be used as a tool of analysis for future research about how brokers influence the SoTL landscape of practice and how brokering enhances SoTL development, support, and leadership.
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 | 0,016 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,022 | 0,054 |
| Communication savante | 0,017 | 0,015 |
| Science ouverte | 0,003 | 0,023 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».