MétaCan
Menu
Retour à la cohorte
Enregistrement W4300862126 · doi:10.4018/978-1-6684-7540-9.ch016

Enhancing Instructor Capacity Through the Redesign of Online Practicum Course Environments Using Universal Design for Learning

2022· book-chapter· en· W4300862126 sur OpenAlexaff
Jennifer Lock, Carol Johnson, Noha Altowairiki, Amy Burns, Laurie Hill, Christopher Ostrowski

Notice bibliographique

RevueIGI Global eBooks · 2022
Typebook-chapter
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensSt. Mary's UniversityUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPracticumUniversal Design for LearningCompetence (human resources)BachelorCapacity developmentCoachingOnline learningCapacity buildingComputer scienceKnowledge managementEngineeringPsychologyPedagogyMultimediaPolitical science

Résumé

récupéré en direct d'OpenAlex

A current trend in practicum or field experience programs is online and blended learning approaches being implemented alongside traditional classroom experiences. Principles of Universal Design for Learning (UDL) should be integrated in the design of these online environments in order to better support learning needs of all students. Instructors must also have confidence and competence in designing and facilitating learning within technology-enabled environments. This chapter reports on research conducted using design-based research to support instructor capacity development within field experience in a Bachelor of Education program. Three strategies are identified and discussed to enhance instructor's capacity: scaffolded support, modeling UDL practice in the online environment, and coaching to foster developing capacity using UDL. The chapter concludes by reporting on a new study that emerged as a result of this work, along with recommendations for practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,800
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,112
Tête enseignante GPT0,366
Écart entre enseignants0,254 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIGI Global eBooksMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207