“We learn things to solve real-life problems”: Understanding how nature of engineering beliefs situate developing pedagogical content knowledge in a modular engineering education professional development program
Notice bibliographique
Résumé
Increasing numbers of studies in STEM fields indicate that there are higher gains in student outcomes in classroom environments implementing evidence-based teaching approaches focused on learners and their learning when compared to traditional lecture-based classrooms. However, despite the compelling results, studies show that lecture is still the most common instructor behaviour in undergraduate education. Professional learning programs have been shown to be crucial in closing this gap and promoting sustained adoption of student-centred teaching approaches in undergraduate education. In order to understand how faculty members in engineering experience the development of their pedagogical understandings and practice, we invited seven engineering professors of different ranks and disciplines to participate in a professional learning program, Scholarship of Pedagogy and Application of Research Knowledge in Engineering (SPARK-ENG), designed specifically for engineering education. The participants’ interactions during the community of practice and individual and group interviews after completing their modules were recorded, transcribed, and analysed through a thematic analysis process. The study findings indicated that the participants demonstrated a complexity of pedagogical understanding and preferences toward practical aspects of engineering education based on external constraints and perceptions about engineering knowledge and engineering teaching. They further valued community-based interactions to develop pedagogical reflection and possibilities of implementation in their own classroom situations. The study points to the need for further research and discussion surrounding professors’ epistemologies of disciplinary knowledge and unique cultures of certain professions to support the development of effective student-centred pedagogies in university professional development programs.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».