MétaCan
Menu
Retour à la cohorte
Enregistrement W4400931582 · doi:10.55016/ojs/pplt.v5y2022.73172

Making Teaching Communal: Peer Mentoring through Teaching Squares

2022· article· en· W4400931582 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuePapers on postsecondary learning and teaching. · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueReflective Practices in Education
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMentorshipReflection (computer programming)Teaching methodPedagogyMathematics educationPsychologySociologyMedical educationComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Teaching can often seem like an independent endeavor, and seeking out ways to engage in dialogue and exchanges surrounding teaching can be beneficial. Opportunities to observe peers’ teaching and discuss teaching practices, challenges, and experiences with peers can lead to an increased sense of community, a fruitful exchange of ideas, and ultimately more thoughtful and effective teaching (Hendry and Oliver, 2012; Lemus-Martinez et al., 2021). One venue for such engagement is the teaching square, an exercise in which teachers observe each other’s teaching practice, typically with the goal of self-reflection of one’s own practice rather than evaluation of a peer performance. We suggest that even as the common philosophy behind teaching squares emphasizes self-reflection, they can also be catalysts for peer mentoring among participants. This article discusses teaching squares as a peer mentorship opportunity, drawing attention to the benefits of cultivating peer mentorship focused on teaching practices. We provide an account of our experience in undertaking a teaching square and the informal peer mentorship that resulted.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,848
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0160,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,006
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,037
Tête enseignante GPT0,400
Écart entre enseignants0,363 · 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