Fostering Reflective Educators: The Transformative Impact of TATAL Communities of Practice
Notice bibliographique
Résumé
Introduction: Talking About Teaching and Learning (TATAL) workshops serve as inclusive communities of practice (CoPs), offering educators a platform to explore their teaching philosophies and practices collaboratively. Despite anecdotal evidence of TATAL’s effectiveness, limited research explores its long-term impact on teaching practices and academic resilience. Research Aim: How do TATAL workshops influence educators' personal and professional growth, teaching philosophies, and resilience? Methodology: This study analyzes qualitative and quantitative data collected from 876 participants across 25 TATAL workshops between 2015 and 2021. Using thematic analysis and the interpretive lens of sense-making, the study identifies key themes and subthemes that characterize participants’ experiences. Results: Findings reveal three primary subthemes: (1) Partnered Learning Communities fostering collaboration and shared reflection, (2) Practical Tools and Techniques enhancing teaching practices, and (3) Transformational Learning experiences facilitating personal and professional growth. Participants reported increased clarity of teaching philosophies and increased resilience in educational contexts. Discussion: TATAL workshops disrupt traditional power dynamics in education, offering a space for equitable, reflective, and collaborative learning. This study emphasizes TATAL’s role in fostering reflective educators and building institutional capacity. Conclusion: TATAL represents a transformative professional development model. Its collaborative and reflective approach holds significant implications for higher education institutions seeking to enhance teaching quality and academic resilience.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».