Metacognition in Teaching: Using A “Rapid Responses to Learning” Process to Reflect on and Improve Pedagogy
Notice bibliographique
Résumé
In this paper, we critically evaluate the use of a weekly “rapid responses (RR) to learning” process in the context of teaching a graduate course on research methods over a three-year period. The RR process involves use of a short set of open-ended questions about key moments in learning that students complete, in writing, during the last five minutes of each class. The questions ask students to identify salient take-away messages, note when they felt the most and least engaged, name actions taken by anyone that were affirming or confusing, and consider specific “aha” moments. Our specific aim was to assess the following questions: What was the pedagogic value of the RR process? How did it inform our teaching and to what extent were there direct benefits of the process for students as well as for us as teachers? We found that the systematic feedback we obtained in this way supports weekly monitoring of student learning, facilitates response to trouble spots, and assists in assessment of student engagement and classroom climate. It also provides insight into the efficacy of pedagogic strategies, invites students to engage in metacognitive learning about their own learning, and models a process of instructors receiving feedback and being flexible to change. For instructors, the process enhances motivation and professional development and can be used to document instructor leadership and development. Finally, it facilitates deeper appreciation of the need to better integrate student self-assessment and the development of metacognitive skills as core components of the course.
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 | 0,038 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,017 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».