SoTL Clusters: Faculty-Focused Needs-Based Scholarship of Teaching and Learning Support
Notice bibliographique
Résumé
To further teaching and learning, there has been a push to engage faculty to pursue research on teaching. With the recognition that science research often is done by teams, we sought to create a research-cluster approach to support faculty engaging in the Scholarship of Teaching and Learning (SoTL). This article describes a faculty-focused process for co-designing and implementing a SoTL Clusters approach to supporting faculty. Faculty shifting from disciplinary research to engaging in SoTL research identified several needs, including recognition for SoTL work, mentorship in SoTL work, reduced isolation of investigators, funding, and promotion. By engaging faculty in a needs-based design process to identify relevant components for the program, the resulting SoTL Clusters model had a strong uptake by STEM faculty. Evaluation findings 2 years after the launch at a comprehensive university indicated that the program addressed most needs, including peer networking, time for SoTL, skills development, and publishing requirements; additional considerations for communication and publishing were suggested. This process of applying needs-based design and the SoTL Clusters model offers a promising informed approach to co-creating SoTL supports that address needs and are responsive to the disciplinary and institutional context, particularly for STEM educators.
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 | 0,029 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,006 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,004 | 0,025 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».