The Agile Approach with Doctoral Dissertation Supervision
Notice bibliographique
Résumé
<p class="apa">Several research findings conclude that many doctoral students fail to complete their studies within the allowable time frame, in part because of problems related to the research and supervision process. Surveys show that most doctoral students are generally satisfied with their dissertation supervision. However, these surveys also reveal some students think their supervisors meet with them too infrequently, lack interest in their dissertation topics, and provide insufficient practical assistance. Furthermore, many countries will soon witness a large turnover in the labour market as people near retirement. Because this is also the case at many universities and colleges, the expectation is that there will be many teaching and research vacancies. Therefore, many new doctoral students who plan to enter academia after earning their doctoral degrees are needed. In responding to these complaints, this conceptual paper examines the use of the agile approach–which has achieved recognition and approval in software development–in the doctoral dissertation process. In the teaching/learning sphere, the agile approach can be used in iterative meetings between doctoral student and supervisor for dissertation planning, direction, and evaluation. The focus of the iterations, the so-called Sprints, is on communication and feedback throughout the entire process. The paper is based in theories on teaching/learning and on the author’s personal experience with the agile approach. Use of the agile approach, which can decrease the time required for doctoral studies, may thus increase the number of graduates with doctoral degrees. The paper makes suggestions for practical implementation of the agile approach.</p>
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».