Leveraging the Scholarship of Teaching and Learning for Quality Enhancement
Notice bibliographique
Résumé
This paper argues a divide exists between quality assurance (QA) processes and quality enhancement, and that the Scholarship of Teaching and Learning (SoTL) can bridge this divide through an evidence-based approach to improving teaching practice.QA processes can trigger the examination of teaching and learning issues, providing faculty with an opportunity to systematically study their impact on student learning.This form of scholarship positions them to take a critical and empowered role in the continuous improvement of student learning experiences and to become full participants in the goal of QA structures.A document analysis of current provincial QA policies in Canada reveals a gap between how teaching and learning challenges are identified and how those challenges are studied and acted upon.A QA report is not the end result of an assurance process.It is the beginning of a change process that is intended to lead to improvements in the student learning experience.The authors consider how SoTL provides a research-minded approach to initiate continuous improvements within a QA framework, and provides considerations for how it might be integrated into evolving provincial frameworks.Dans cet article, les auteurs soutiennent qu'il existe un fossé entre les processus d'assurance de la qualité (AQ) et l'amélioration de la qualité et que l'avancement des connaissances en enseignement et en apprentissage (ACEA) peut combler ce fossé par le biais d'une approche basée sur l'évidence pour améliorer les pratiques d'enseignement.Les processus d' AQ peuvent déclencher l'examen des problèmes relatifs à l'enseignement et à l'apprentissage et ce faisant, donner aux professeurs l'occasion d'étudier systématiquement leur impact sur l'apprentissage des étudiants.Cette forme de recherche savante leur permet de jouer un rôle important dans l'amélioration continue des expériences d'apprentissage des étudiants et de devenir des participants à part entière pour atteindre l'objectif des structures de l' AQ.Une analyse des documents relatifs aux politiques actuelles d' AQ au Canada révèle qu'il existe un écart entre la manière dont les défis relatifs à l'enseignement et à l'apprentissage sont identifiés et la manière dont ces défis sont étudiés et dont on y a remédié.Le rapport d' AQ n'est pas la conclusion du processus d'assurance de la qualité.C'est le début d'un processus de changement qui doit aboutir à des améliorations de l'expérience d'apprentissage des étudiants.Les auteurs examinent la manière dont l' ACEA fournit une approche de recherche pour entreprendre les améliorations continues dans le cadre de l' AQ et apporte des réflexions pour déterminer comment l' ACEA peut être intégré dans des cadres provinciaux évolutifs.
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 | 0,048 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,010 | 0,047 |
| Communication savante | 0,021 | 0,015 |
| Science ouverte | 0,004 | 0,029 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».