Undergraduate curricular peer mentoring programs : perspectives on innovation by faculty, staff, and students
Notice bibliographique
Résumé
Introduction: The History and Scope of Curricular Peer Mentoring Programs Tania S. Smith Chapter 1: Defining Features of Curricular Peer Mentoring Programs Tania S. Smith Chapter 2: Discipline-Focused Peer Mentoring: Peer Teaching in Biology at the University of British Columbia Carol Pollock Theory and Practice: Lave and Wenger on Communities of Practice Tania S. Smith Chapter 3: Peer Mentoring in a Team-Taught Interdisciplinary Course: Engaging the 21st Century Student Through Peer-Led Learning Tina Pugliese, Tamsin Bolton, Veronika Mogyorody, Jill Singleton-Jackson, Robert Nelson & Ralph H. Johnson Theory and Practice: Student Engagement Tania S. Smith Chapter 4: Peer Mentoring in Large-scale First-year Programs: Academic Peer Mentors in First-year Courses at the University of Texas at Austin Jennifer L. Smith Theory and Practice: Tinto and Wenger on Learning Communities Tania S. Smith Chapter 5: Peer Mentoring in a Technical Institution: Undergraduate Mentoring in Software Engineering Sanjay Goel Theory and Practice: Vygotsky's and Bloom's Theories Tania S. Smith Chapter 6: Hosting Peer Mentors in a Senior Interdisciplinary Course: Notes from a Pre-History of Peer Mentoring at the University of Calgary Marcia Jenneth Epstein Theory and Practice: Bruffee on Collaborative Learning Tania S. Smith Chapter 7: Supporting Peer Mentors: Recruiting, Educating and Rewarding Peer Mentors Kate Zier-Vogel and Andrew Barry Theory and Practice: Peer Mentor Education Through Service-Learning Tania S. Smith Chapter 8: Case Studies of Conflict and Collaboration: Supporting Teaching Assistants Who Work with Peer Mentors Bryanne Young Theory and Practice: Teaching Teams with Graduate and Undergraduate Assistants Tania S. Smith Conclusion: Program Development and Sustainability Tania S. Smith
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,002 |
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 ».