MétaCan
Menu
Retour à la cohorte
Enregistrement W4387737955 · doi:10.5430/jct.v12n6p39

“The Dream Team:” A Case Study of Teamwork in Higher Education

2023· article· en· W4387737955 sur OpenAlexvenueno aff
Tashieka S. Burris‐Melville, S. Burris

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDysfunctional familyTeamworkArgumentativePsychologyAccountabilityBest practiceEmpirical researchMedical educationPedagogyPolitical scienceMedicinePsychotherapist

Résumé

récupéré en direct d'OpenAlex

The integration of collaborative practices in essay writing within higher education constitutes a pivotal advantage, frequently producing outcomes surpassing those of independent composition endeavors. However, although collaboration is necessary and can yield many positive outcomes, a collaborative effort is not always successful. A paucity of empirical studies has highlighted the causes of the dysfunctions of teamwork in Jamaica. In higher education, participants often express frustration and unwillingness to engage in teamwork because of the various dysfunctions they are likely to experience. Consequently, in response to this gap, this case study explored both functional and dysfunctional attributes Academic Writing participants encountered at a university in Jamaica, as they worked collaboratively to complete their expository and argumentative essays. This mixed methods study collected data from interviews, peer reviews, and a questionnaire. The findings identified both functional and dysfunctional qualities. The results showed that the major functional attributes were clear communication, respect, commitment, and accountability. The main dysfunctional attributes were lack of trust, miscommunication, commitment, disrespect, and limited time management skills. Finally, this paper highlights best practices that educators can use to create and promote functional and effective teams in the teaching and learning environment.

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)0,005
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0200,007
Communication savante0,0050,003
Science ouverte0,0030,005
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,418
Écart entre enseignants0,364 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207