Context Matters: Enhancing SoTL by Exploring Interpersonal Relationship Building in Higher Education
Notice bibliographique
Résumé
This paper contributes to SoTL by critically examining the literature on the nature of interpersonal relationships across global higher education settings through narrative inquiry, focusing on both online and in-person learning. Drawing on previous literature (to show patterns of inquiry) and fictional student cases (to give concrete details and examples), this paper examines how educators’ relationships with students shape learning outcomes and experiences and looks at the intricate role of trust in fostering interpersonal relationships within educational settings. The impact of trust is examined across various dimensions—from student-teacher dynamics to peer interactions and institutional structures. Key themes of deliberate interaction, clear communication, and activities for belonging emerge as crucial for fostering supportive learning environments. The analysis underscores the significance of empathetic communication and culturally responsive pedagogies in enhancing student engagement and well-being. Trust, foundational to all those themes, is analyzed through lenses of honesty and benevolence, two essential perspectives for establishing reliable educational environments for students from a variety of societal and educational backgrounds. Through the fictionalized cases, the authors investigate how trust, as cultivated through reflective practices such as the 5Rs framework (Bain et al. 2002), enhances student engagement and inclusivity. By integrating personal reflections and scholarly literature from SoTL, this paper advocates for pedagogical practices that prioritize inclusive, relational approaches in education across diverse contexts.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 ».