MétaCan
Menu
Retour à la cohorte
Enregistrement W1552535469 · doi:10.22329/celt.v7i2.3993

A multi-perspective examination of the barriers to field-placement experiences for students with disabilities

2014· article· en· W1552535469 sur OpenAlexaffvenue
Tara Flanagan, Fiona Benson, Frédéric Fovet

Notice bibliographique

RevueCollected Essays on Learning and Teaching · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisability Education and Employment
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésVariety (cybernetics)Field (mathematics)Perspective (graphical)PsychologyEquity (law)PedagogyService-learningMedical educationLearning disabilityService (business)Public relationsSociologyPolitical scienceMedicineBusiness

Résumé

récupéré en direct d'OpenAlex

In light of the innumerable changes in post-secondary environments that reflect a movement toward inclusive education and a reliance on real-world evaluations in the form of field placements, we report on our findings from a collaborative research project that examines field placement experiences from a variety of perspectives. Our research project, prompted by our own observations of the barriers to equity for field placement students with disabilities at our institution, is an attempt to reflect on our disability service and our teaching and learning practices. We expanded on the traditional focus in the field by creating a multi-dimensional cross-sector collaboration and by including the perspectives of Professional Program Directors, Field Placement Coordinators, and students with disabilities. We found that all stakeholders reported barriers to success in field placement for students with disabilities, saw few solutions, and anticipated the barriers to continue into the world of employment. We discuss these findings in relation to the implications for teaching and learning and for disability service provision in post-secondary institutions.

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)0,008
score de la tête « metaresearch » (Gemma)0,016
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: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0150,007
Communication savante0,0070,005
Science ouverte0,0010,011
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,364
Écart entre enseignants0,342 · 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

Citations10
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCollected Essays on Learning and TeachingMême sujetDisability Education and EmploymentTravaux en français237 207