Epistemic Emotions in Learning: Using Qualitative Inquiry to Explore Implications for Veterinary Educators in Responding to Student Emotions in Their Classrooms
Notice bibliographique
Résumé
Veterinary students frequently experience heightened emotions, which can stimulate or compromise learning. The impact of student emotions on educators, or the ways that educators can respond to these, is less well known. This has potential impacts for educators' own emotional responses and for educators' effectiveness in supporting learning. To better support educators in facilitating student learning, this study sought to further understand how students' epistemic emotions are experienced by educators. We explored the experiences of educators from three international veterinary schools, using iterative interpretive analysis of workshop discussions designed and implemented for the purpose of the study. Analysis revealed that veterinary educators experience a range of emotions in the course of teaching their students, arising from events, such as emotional topics or clinical situations; receipt of grades; and the experience of uncertainty, for example, in teaching methods or open-ended tasks. The educators' responses to these included feeling overwhelmed and anxious-wanting to help facilitate student learning but lacking the tools to do so. Consequently, educators felt unable to engage effectively with students, and learning was deactivated. This could occur even when students were interested and curious. Educators' responses were particularly challenged by time and assessment pressures (needing to remain on topic and teach to learning outcomes). Strategies for responding to student emotions and to support development of educator emotional intelligence have been generated. These include a need for institutional recognition of the time resources necessary for educators to reflectively learn from complex situations experienced in their classrooms.
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 | 0,044 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,022 |
| Communication savante | 0,012 | 0,008 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».