MétaCan
Menu
Retour à la cohorte
Enregistrement W2101233595 · doi:10.1080/09639280902719366

Accounting Undergraduates' Perceptions of Cooperative Learning as a Model for Enhancing their Interpersonal and Communication Skills to Interface Successfully with Professional Accountancy Education and Training

2009· article· en· W2101233595 sur OpenAlexaff
Joan Ballantine, Patricia McCourt Larres

Notice bibliographique

RevueAccounting Education · 2009
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAccounting Education and Careers
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésInterpersonal communicationAccountingPsychologyPerceptionInterface (matter)Medical educationBusinessComputer scienceSocial psychologyMedicine

Résumé

récupéré en direct d'OpenAlex

To interface effectively with professional accountancy training, accounting educationalists should ensure that they turn out graduates who possess the interpersonal and communication skills required of today's accountant. Attainment of these skills is promoted by group work. However, little empirical evidence exists to help academics make an informed choice about which form of group learning enhances interpersonal and communication skills. This paper addresses this deficiency by comparing perceptions of skills enhancement between accounting students who experienced traditional or simple group learning and those who undertook cooperative learning. The findings reveal that the cooperative learning cohort perceived their learning experience to be significantly more effective at enhancing interpersonal and communication skills than that of the simple group learning cohort. This study provides evidence that cooperative learning is a more effective model for delivering interpersonal and communication skills than simple group learning, thereby creating a more successful interface between academic accounting and professional accountancy training.

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)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0040,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,290
Écart entre enseignants0,280 · 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'étudeObservationnel
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

Citations97
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccounting EducationMême sujetAccounting Education and CareersTravaux en français237 207