Using Scenarios to Explore the Complexity of Student-Faculty Partnership
Notice bibliographique
Résumé
In this paper, we present and reflect on using scenarios and role-plays as an effective approach to engaging in the often complicated conversations about student-faculty/staff partnerships, particularly those involving the scholarship of teaching and learning (SoTL). Students as co-developers of pedagogical processes, as well as co-researchers in SoTL, has become an increasingly valued practice in higher education institutions around the world, one that promises to be transformative in its pursuit to break down the traditional hierarchies and establish more democratic and equitable relationships between faculty/staff and students. While there is a growing body of evidence that demonstrates the value of creating spaces and processes to enhance teaching and learning, it can be challenging to know how to develop and implement partnership in SoTL. How do we actually do it? Many of us need guidance for where and how to get started, how to build effective partnerships, how to work through difficulties, how to share our experiences, and how to invite others into this practice. Informed by our own experiences of engaging in pedagogical SoTL partnerships and drawing upon materials developed for a conference workshop we delivered at the 2019 International Society for the Scholarship of Teaching and Learning (ISSOTL) conference, we argue that scenarios and role-plays, when informed by the principles of Scenario Based Learning (SBL), are effective tools that help explore partnership experiences of faculty/staff and students. We offer considerations for how readers can adopt and adapt scenarios in their contexts and invite further research on the ways SBL contributes to SoTL and partnership.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,006 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».