Moving From “Good” to “Great” SoTL: The Importance of Describing Your Research Epistemological and Ontological Traditions in Your SoTL Scholarship
Notice bibliographique
Résumé
This paper explores the metaphor of the “Big Tent” in the context of the scholarship of teaching and learning (SoTL), highlighting the metaphor’s limitations in capturing the complexities and tensions within the scholarly community. This paper delves into the conflicts arising from differing methodologies, epistemological stances, and disciplinary boundaries, viewing them as manifestations of intellectual vigor rather than weaknesses. The paper emphasizes the role of academic training in shaping our perceptions and biases towards educational research and underscores the need for acknowledging these biases in order to foster meaningful dialogue and bridge the diversity in SoTL. We revisit past research on the principles of good practice in SoTL and the shifted focus from “students” to “learners,” acknowledging faculty as perpetual learners in improving teaching practices. The paper proposes an additional principle to elevate SoTL from “good” to “great”: the explicit identification of our SoTL lens. This involves acknowledging our biases, disciplinary perspectives, and methodological preferences in order to enhance the transparency and richness of scholarly conversations. The paper concludes with a call to embrace self-awareness and invites others to do the same, aiming to refine our collective vision and make SoTL endeavors not just inclusive but truly transformative.
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 | 0,106 | 0,124 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,015 | 0,095 |
| Communication savante | 0,037 | 0,039 |
| Science ouverte | 0,003 | 0,022 |
| Intégrité de la recherche | 0,009 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».