Transprofessional competencies across clinical, organisational, and educational professions: the case of mindfulness-based teaching and learning (MBTL)
Notice bibliographique
Résumé
This study explores mindfulness-based teaching and learning (MBTL) as an emerging field of transprofessional practice spanning educational, organisational, and clinical professions. Recognising the need for a more robust set of transprofessional MBTL teacher competencies to serve this emerging specialisation, the authors developed and validated the Mindfulness-Based Teaching and Learning – Teacher Competency Framework (MBTL-TCF). Building on the pre-existing Mindfulness-Based Interventions-Teaching Assessment Criteria (MBI-TAC), the researchers developed a teaching framework for mindfulness specialists to reflect teacher agency, autonomy, and self-determination consistent with the purposes, traditions, and effects of what MBTL teaches: that is, mindfulness. The paper presents the sequence of construct, face, and content validation procedures, including the alignment of the MBTL-TLC with Dreyfus and other teacher competency frameworks from a range of sectors and countries. Finally, using an adapted Delphi process, a six-member international expert panel plus one diversity reviewer were invited to review and refine the emerging framework. The resulting MBTL-TCF presents 12 competency domains with associated activities and performance indicators.
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 | 0,021 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,019 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,002 | 0,016 |
| Intégrité de la recherche | 0,005 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».