MétaCan
Menu
Retour à la cohorte
Enregistrement W2120126483 · doi:10.1177/1469787415573357

Student learning through service learning: Effects on academic development, civic responsibility, interpersonal skills and practical skills

2015· article· en· W2120126483 sur OpenAlexaff
Ali Hébert, Petra Hauf

Notice bibliographique

RevueActive Learning in Higher Education · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueService-Learning and Community Engagement
Établissements canadiensSt. Francis Xavier University
Organismes subventionnairesnon disponible
Mots-clésService-learningPsychologySocial skillsInterpersonal communicationStudy skillsMathematics educationGrading (engineering)Learning developmentHigher educationPedagogyMedical educationSocial psychologyDevelopmental psychologyEngineering

Résumé

récupéré en direct d'OpenAlex

Although anecdotal evidence and research alike espouse the benefits of service learning, some researchers have suggested that more rigorous testing is required in order to determine its true effect on students. This is particularly true in the case of academic development, which has been inconsistently linked to service learning. It has been proposed that this discrepancy is due to three complications: grades not reflecting higher order thinking skills, self-selection bias, and different grading methods. The study described in this article attempted to circumvent these complications using a test–retest methodology and measuring academic development in three ways: course grades, an assignment that directly tested course-specific comprehension, and self-reported improvement. In addition, improvements in civic responsibility, interpersonal skills, and practical skills were measured via self-report. Although students who participated in service learning self-reported greater improvement in civic responsibility, interpersonal skills, and academic development, they only demonstrated more academic development in terms of concrete course concepts, showing no differences in final examination marks or generation of detailed examples. These findings suggest that academic improvement through service learning may not be adequately assessed by typical methods used to evaluate academic development at universities.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,068
Tête enseignante GPT0,420
Écart entre enseignants0,352 · 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

Citations169
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueActive Learning in Higher EducationMême sujetService-Learning and Community EngagementTravaux en français237 207