MétaCan
Menu
Retour à la cohorte
Enregistrement W4363676051 · doi:10.20343/teachlearninqu.11.14

Reimagining the 4M Framework in Educational Development for SoTL

2023· article· en· W4363676051 sur OpenAlexaff
Mandy Frake-Mistak, Jennifer C. Friberg, Melanie Hamilton

Notice bibliographique

RevueTeaching & Learning Inquiry The ISSOTL Journal · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueE-Learning and Knowledge Management
Établissements canadiensUniversity of SaskatchewanYork University
Organismes subventionnairesnon disponible
Mots-clésVisionSituatedWork (physics)SociologyPedagogyComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

In this paper, we seek to contextualize our work in SoTL-focused educational development and those who work to support others in SoTL, as interstitially spaced across the 4M Framework, re-envisioned as a flexible but formalized professional continua. The establishment of a model for educational development SoTL-related activity allows for the opportunity to explore how this work is done in a systematic manner. We offer our ideas and visions through, what we term, the 4M Continua for Educational Development as a possible understanding of the work that SoTL-focused educational developers do, as well as those who engage in educational development more broadly. While the 4M Framework provides a guide through four interrelated organizational lenses: micro; meso; macro; and mega, we have adapted a model to situate educational development work using the 4M Framework to inform the ways in which we do, contribute to, consume, advocate, and support SoTL broadly, including at local, provincial, national, and international levels. The 4M Continua can be an avenue for those who do educational development to describe their work, where the work is situated, and how support can be offered throughout the community.

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)0,024
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,976
Score d'incertitude au seuil0,156

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0070,043
Communication savante0,0130,015
Science ouverte0,0030,013
Intégrité de la recherche0,0050,008
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,056
Tête enseignante GPT0,341
Écart entre enseignants0,284 · 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.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
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

Citations12
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTeaching & Learning Inquiry The ISSOTL JournalMême sujetE-Learning and Knowledge ManagementTravaux en français237 207