Leveraging Resources Across Units and Universities to Address Academic Literacies and Research Skills in Ontario Graduate Students
Notice bibliographique
Résumé
Student2Scholar (S2S) is a fully online and open course that aims to teach academic literacies and research skills to social science graduate students. Set to launch in December 2015, S2S was conceived of and created by a diverse and distributed team of academic librarians, university staff, and graduate students from three Ontario Universities: Western, the University of Toronto, and Queen’s. Members of the project team brought with them varying degrees of experience and expertise across a range of disciplinary and teaching and learning backgrounds, including: adult education, information literacy, and online learning (to name only a few). S2S serves as a standout example of what can be achieved when a teaching and learning project is resourced to leverage the time and talent of a cross-section of the academic community whose professional goals and educational interests are shared, despite working in seemingly disparate and often disconnected areas of campus or institutions of higher education. This poster presentation will highlight the pedagogical (i.e., conceptual and theoretical) framework used in the design S2S, and make explicit the connections between the design of the course and the human resources required, and ultimately assigned to contribute to the development of the course (e.g., organizational development, design and development of modules and assets, writers, etc). Using S2S as a case study in online, module-based, interdisciplinary course development, MIIETL conference delegates will learn how to leverage established and yet-to-be formed relationships across academic units and institutions to realize mutually beneficial teaching and learning outcomes.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».