Modalities of Faculty Engagement with the Scholarship of Teaching and Learning
Notice bibliographique
Résumé
This article reports on a mixed-methods study examining the ways in which faculty and staff engage with the Scholarship of Teaching and Learning (SoTL) at a medium-sized research-intensive university in southern Ontario, Canada. Survey data was collected from fifty-six faculty and staff respondents, along with eight faculty completing follow-up semi-structured interviews. We found respondents used multiple engagement modalities to stay informed on SoTL literature, carry out SoTL research, and disseminate their findings. Barriers to SoTL participation include lack of dedicated time, limited formal SoTL training, and inexperience with different disciplinary norms found in SoTL articles. Participants emphasized the importance of collaborative SoTL inquiry, highlighting in particular the benefits of partnering with students on scholarly projects. Additionally, participants underscored the importance of implementing evidence-based teaching strategies. Our findings mirror trends in the literature regarding SoTL engagement activities, barriers to participation, and faculty perceptions of SoTL. This study contributes novel insight into the ways faculty choose to engage with SoTL and common obstacles, as well as suggestions for how teaching and learning centers can use engagement data to better support faculty and staff SoTL scholars.
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 | 0,026 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,006 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».