MétaCan
Menu
Retour à la cohorte
Enregistrement W2070963214 · doi:10.1080/08975930.2011.653746

Implementation of Service-Learning in Business Education: Issues and Challenges

2011· article· en· W2070963214 sur OpenAlexaff
Patrick Poon, Tsang Sing Chan, Lianxi Zhou

Notice bibliographique

RevueJournal of Teaching in International Business · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueService-Learning and Community Engagement
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésService-learningExperiential learningService (business)General partnershipActive learning (machine learning)Business educationBusiness ethicsTest (biology)Knowledge managementHigher educationPsychologySociologyPublic relationsPedagogyBusinessComputer scienceMarketingPolitical science

Résumé

récupéré en direct d'OpenAlex

This paper examines the issues and challenges in the implementation of service-learning in undergraduate business education. It also provides an assessment of the students' learning efficacy and outcomes over time through the service-learning participation. Service-learning is a pedagogical approach that integrates academic learning and community service. It involves partnership among various stakeholders like students, faculty members, community members, and social agencies. There are challenges for various stakeholders to implement service-learning in business courses. The findings of a survey of a group of business students participated in service-learning projects show that the students have an increased level of sense of social responsibility, ethical and moral behavior after the participation in service-learning projects. Nevertheless, no significant difference is found for learning outcomes between the pre-test and post-test. The paper addresses the critical success factors and constraints of the integration of service-learning and provides recommendations for designing experiential service-learning projects in business education.

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)0,062
score de la tête « metaresearch » (Gemma)0,060
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil0,328

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0620,060
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0060,008
Communication savante0,0170,011
Science ouverte0,0050,011
Intégrité de la recherche0,0060,007
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,079
Tête enseignante GPT0,374
Écart entre enseignants0,295 · 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

Citations36
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Teaching in International BusinessMême sujetService-Learning and Community EngagementTravaux en français237 207