Big Assumptions in Online and Blended Continuing Professional Development: Finding Our Way Forward Together
Notice bibliographique
Résumé
ABSTRACT: Continuing professional development (CPD) providers and faculty face a practice gap between our knowledge of effective practices in CPD and our implementation of them, particularly in online environments. Developmental psychologists Bob Kegan and Lisa Lahey have attributed such knowledge-implementation gaps to an "Immunity to Change" rooted in tacit "Big Assumptions." These Big Assumptions produce fears or worries, reveal competing commitments, and result in actions or inactions that hinder intended change. We sought to understand the barriers to change in online and blended CPD, to support CPD leaders in pursuing their goals for optimal use of technology in CPD. This inquiry arose from the 13th National Continuing Professional Development Accreditation Conference of the Royal College of Physicians and Surgeons of Canada and the College of Family Physicians of Canada, a virtual conference held in October 2022. After introducing the Immunity to Change framework and best practices in online and blended learning, we invited audience members to list Big Assumptions in CPD through chat and polling software. These responses were analyzed and grouped into five interrelated Big Assumptions that suggest a number of key barriers to optimal implementation of online CPD. We present data that counter each Big Assumption along with practical approaches to facilitate desired change for CPD.
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 | 0,105 | 0,187 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,018 | 0,022 |
| Communication savante | 0,022 | 0,025 |
| Science ouverte | 0,004 | 0,020 |
| Intégrité de la recherche | 0,006 | 0,012 |
| 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 ».