MétaCan
Menu
Retour à la cohorte
Enregistrement W4280596547 · doi:10.15173/ijsap.v6i1.4869

Student pedagogical partnerships to advance inclusive teaching during the COVID-19 pandemic

2022· article· en· W4280596547 sur OpenAlexvenueno aff
Tracie Marcella Addy, Ethan Berkove, Manuela Borzone, Fatimata Cham, Annie DeSaussure, Annemarie L. Exarhos, Mark E. Mancuso, Monica Rizk, Tobias Rossmann, Christopher S. Ruebeck, Hamna Younas

Notice bibliographique

RevueInternational Journal for Students as Partners · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCollaborative Teaching and Inclusion
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)PandemicEquity (law)2019-20 coronavirus outbreakLiberal arts educationSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)PedagogyStudent engagementPolitical scienceMedical educationSociologyPublic relationsHigher educationPsychologyMedicineVirology

Résumé

récupéré en direct d'OpenAlex

The current health crisis brought about by the COVID-19 pandemic not only had a global impact, it also exacerbated the inequalities experienced by students of diverse backgrounds in the United States. Implementing inclusive and anti-racist pedagogical practices has gained a heightened and overdue sense of urgency, especially during the period of emergency remote teaching. At Lafayette College, a small liberal arts college in Pennsylvania, USA, the Inclusive Instructors Academy is a semester-long program aimed at supporting faculty from all disciplines to develop and incorporate inclusive practices that promote equity and belonging in their teaching. A critical aspect of the Inclusive Instructors Academy is its employment of student fellows under the Student-as-Partners model. The student fellows who participated in Fall 2020 and Spring 2021 provided feedback to their faculty partners on inclusive teaching approaches. This case study highlights how student-faculty partnerships can be a highly effective strategy for fostering more socially just learning environments.

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)0,012
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,017
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0230,007
Communication savante0,0160,011
Science ouverte0,0030,038
Intégrité de la recherche0,0050,008
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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 Opus0,149
Tête enseignante GPT0,604
Écart entre enseignants0,454 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Students as PartnersMême sujetCollaborative Teaching and InclusionTravaux en français237 207