MétaCan
Menu
Retour à la cohorte
Enregistrement W651172646 · doi:10.5206/cjsotl-rcacea.2015.2.2

Who is Represented in the Teaching Commons?: SoTL Through the Lenses of the Arts and Humanities

2015· article· en· W651172646 sur OpenAlexaffvenueabout
Michael K. Potter, Brad Wuetherick

Notice bibliographique

RevueThe Canadian Journal for the Scholarship of Teaching and Learning · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvaluation of Teaching Practices
Établissements canadiensDalhousie UniversityUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésThe artsSociologyHumanitiesScholarship of Teaching and LearningHumanismStyle (visual arts)PedagogyPolitical scienceArtVisual artsTeaching method

Résumé

récupéré en direct d'OpenAlex

As the community of Scholarship of Teaching and Learning (SoTL) scholars has flourished across Canada and around the world, there has been a growing sense among humanists that SoTL work has been dominated by the epistemologies, philosophies, and research methods of the social sciences. This is a view that has been supported by SoTL journal editors and resources dedicated to introducing faculty to SoTL. To quote Nancy Chick (2012) in a recent book on the current state of SoTL in the disciplines, “while many well-known SoTL leaders come from humanities backgrounds …, the on-the-ground work largely marginalizes the practices of their disciplines” (p. 15). The question then follows: “How does the apparent under-representation of (arts and) humanities-based disciplines affect expectations for SoTL, from norms for research design and methodology to the genre and style of its products?” (McKinney & Chick, 2010, p. 10). This paper, which frames the special issue looking at “SoTL through the lenses of the Arts and Humanities,” explores the difficulties with, and opportunities provided by, creating an inclusive teaching commons where the scholarly traditions of the arts and humanities are recognized for the value they bring to the SoTL research imaginary. Alors que la communauté des universitaires qui oeuvrent dans le domaine de l’avancement des connaissances en enseignement et en apprentissage (ACEA) s’est épanouie à travers le Canada et dans le monde, on constate l’éclosion d’un sentiment, parmi les humanistes, que le travail de l’ACEA a été dominé par les épistémologies, les philosophies et les méthodes de recherche des sciences sociales. C’est une opinion qui a été appuyée par les rédacteurs de revues sur l’ACEA et par les ressources consacrées à l’introduction des enseignants à l’ACEA. Pour citer Nancy Chick (2012) dans un livre récemment publié sur l’état actuel de l’ACEA dans diverses disciplines, « alors que de nombreux leaders éminents en matière d’ACEA proviennent des sciences humaines ..., le travail sur le terrain marginalise grandement les pratiques de leurs disciplines » (p. 15). Ce qui nous mène à la question suivante : « Comment l’apparente sous-représentation des disciplines du domaine des (arts et des) sciences humaines affecte-t-elle les attentes pour l’ACEA, allant des normes de recherche et de méthodologie au genre et au style de ses produits? » (McKinney & Chick, 2010, p. 10). Cet article, qui encadre le numéro spécial consacré à « L’ACEA à travers le prisme des arts et des sciences humaines », explore les difficultés qui existent à créer une commune d’enseignement inclusive ainsi que les opportunités créées par cette commune, où les traditions de recherche en arts et en sciences humaines sont reconnues pour la valeur qu’elles apportent à l’imaginaire de recherche de l’ACEA.

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)0,025
score de la tête « metaresearch » (Gemma)0,023
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,173

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,007
Études des sciences et des technologies0,0370,125
Communication savante0,0430,058
Science ouverte0,0030,028
Intégrité de la recherche0,0080,014
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,297
Tête enseignante GPT0,439
Écart entre enseignants0,142 · 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

Citations24
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal for the Scholarship of Teaching and LearningMême sujetEvaluation of Teaching PracticesTravaux en français237 207