MétaCan
Menu
Retour à la cohorte
Enregistrement W4413906953 · doi:10.1002/ace.70005

Learning and Development Through the Scholarship of Teaching and Learning

2025· article· en· W4413906953 sur OpenAlexaff
Jennifer C. Friberg, Melanie Hamilton

Notice bibliographique

RevueNew Directions for Adult and Continuing Education · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAdult and Continuing Education Topics
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésScholarshipScholarship of Teaching and LearningAdult LearningPedagogyAdult educationSociologyExperiential learningMathematics educationPsychologyFaculty developmentTeaching methodTeaching and learning centerProfessional developmentPolitical science

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This article focuses on learning that can facilitate the transition from being a scholarly teacher to becoming a scholar of teaching and learning, outlining the critical steps faculty can take to deepen their engagement with the scholarship of teaching and learning (SoTL). It begins by distinguishing between scholarly teaching, which involves applying research‐based strategies in the classroom, and being a SoTL scholar, which requires faculty to systematically investigate their own teaching practices and the learning outcomes of their students. The article explores various pathways through which course instructors can learn and engage with SoTL, such as attending workshops, collaborating with colleagues in interdisciplinary communities, or engaging with existing SoTL literature. It discusses how faculty can identify areas of inquiry in their teaching practice, collect and analyze data, and use this evidence to refine and transform their teaching methods. The article also highlights institutional support structures that can facilitate this transition, including mentorship, funding for SoTL research, and peer review opportunities. Through these approaches, faculty can develop a scholarly identity in teaching and contribute meaningfully to the field.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0070,033
Communication savante0,0180,009
Science ouverte0,0010,019
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,333
Écart entre enseignants0,320 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNew Directions for Adult and Continuing EducationMême sujetAdult and Continuing Education TopicsTravaux en français237 207