Heutagogy for dynamic learning: lessons learned from an Innovation Fellowship
Notice bibliographique
Résumé
The educational landscape is shifting toward learner-centered approaches, with heutagogy emerging as a framework. Heutagogy emphasizes self-determined learning, departing from traditional pedagogy. The purpose of this study was to explore how a heutagogical framework, applied within a faculty Innovation Fellowship, influenced participants’ development of innovation competencies, self-directed learning behaviors, and overall wellbeing in an academic healthcare setting. This paper focuses on the application of the heutagogy framework within an Innovation Fellowship, focusing on how it fosters innovation, wellbeing, and lifelong learning in healthcare education. We implemented a heutagogical framework by encouraging self-directed exploration of innovation concepts in a self-selected cohort of innovation fellows over the course of five years. A total of 48 fellows have engaged in flexible, collaborative learning. Thematic analysis revealed insights to ‘structure of fluidity’, where fellows highlighted the importance of balancing structured guidance with freedom for self-directed learning. The flexible approach fostered autonomy and creativity in learning. The integration of heutagogical principles enabled fellows to enhance innovation capacity while promoting personal wellbeing. The heutagogy framework shows transformative potential in fostering innovation, wellbeing, and lifelong learning within healthcare education. The ‘structure of fluidity’ underscores the necessity of integrating flexibility and guidance in heutagogical approaches.
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 | 0,015 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».