“You Actually Learn Something”: Gathering Student Feedback Through Focus Group Research to Enhance Needs-Based Programming
Notice bibliographique
Résumé
In the spring of 2015, the Centre for Academic Communication (CAC) at the University of Victoria began a series of projects aimed at understanding the needs of undergraduate and graduate students with English as additional language (EAL), with the goal of increasing the effectiveness of the Centre’s programming. The first project, detailed in this article, concentrated on identifying student perceptions and use of the Centre’s programming and aimed to elicit suggestions as to how the CAC could better meet student needs. To do this, we facilitated two focus group interviews consisting of EAL graduate (N=6) and undergraduate (N=4) students. Participants responded that the timing of programming should better reflect their schedules, and that programming should be more discipline specific and better designed for graduate students. They also felt that they did not receive enough critical feedback and that there was a lack standardization across tutorials and workshops. However, the participants also felt that the tutors were helpful, the programming provided a good addition to their studies, and the supports increased their confidence. Two unexpected findings were that, generally, students accessed one kind of programming offered by the Centre, rather than taking advantage of the range of offerings, and that students had misconceptions about the Centre’s offerings and how to use them. It is hoped that this study will help inform other student academic support services about focus group research for the purposes of program evaluation and collecting student feedback.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 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 ».