MétaCan
Menu
Retour à la cohorte
Enregistrement W2112458762 · doi:10.5430/jnep.v3n10p139

Learning through reflection: Supervising DRC master’s degree students within the open distance and learning context

2013· article· en· W2112458762 sur OpenAlexvenueno aff
Lizeth Roets

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Practises and Engagement
Établissements canadiensnon disponible
Organismes subventionnairesNew Partnership for Africa's DevelopmentUniversiteit van die Vrystaat
Mots-clésContext (archaeology)Distance educationScholarshipNarrativePedagogyInternationalizationSupervisorDiversity (politics)Reflection (computer programming)SociologyPsychologyPolitical scienceComputer scienceGeographyBusiness

Résumé

récupéré en direct d'OpenAlex

The internationalisation of higher education is a global imperative that impacts on students and supervision practices in various ways. Culture and language diversity, as well as the characteristics of the students themselves in Open and Distance Learning, have been given little attention and the impact is not always taken into account. When implementing a scholarship development programme across language borders, factors such as culture and socio-economic background need to be taken into account because both can have an effect on the supervisory practices and success of such a programme. Supervision in a language not understood by the supervisor and the master’s degree students in the DRC challenged traditional western methodologies and paradigms. A qualitative narrative reflection was therefore undertaken to both critically reflect on the challenges encountered and initiate innovative ideas. Indeed, I can say that, in my supervisory practice, the western body of knowledge was challenged. As a result, new research methodology initiatives to improve distance education research supervision had to be initiated and implemented.

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)0,014
score de la tête « metaresearch » (Gemma)0,033
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 enseignants0,014
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,033
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,009
Communication savante0,0070,005
Science ouverte0,0030,009
Intégrité de la recherche0,0040,007
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,273
Tête enseignante GPT0,502
Écart entre enseignants0,230 · 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

Citations6
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and PracticeMême sujetHigher Education Practises and EngagementTravaux en français237 207