MétaCan
Menu
Retour à la cohorte
Enregistrement W2564217492

Employer Perceptions of Co-curricular Engagement and the Co-curricular Record in the Hiring Process

2014· dissertation· en· W2564217492 sur OpenAlexaboutno aff
Laura Kimberly Elias

Notice bibliographique

RevueTSpace (University of Toronto) · 2014
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueHigher Education and Employability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProcess (computing)PerceptionCurriculumPolitical sciencePedagogyBusinessMedical educationPsychologyMathematics educationComputer scienceMedicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Throughout media channels, there have been concerns about a perceived job skills gap, which in turn have led to questions about the value of a university education. Canadian universities and colleges have developed the Co-Curricular Record (CCR) as a means to incentivize and recognize student engagement in co-curricular opportunities, which research has shown to positively impact student development, retention, and success (Astin, 1993; Chickering, 1969; Tinto, 1987). This study surveyed employers to explore current hiring practices, including the current value of candidate materials and hiring factors, desirable soft skills, and the perceived value of the CCR. This thesis explores the potential use of the CCR in the hiring process, and argues that the CCR can act as a translation tool, by elevating the value of co-curricular experiences in developing and articulating soft skills. This thesis also discusses current challenges and provides a series of recommendations and next steps.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,478
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

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

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 Opus0,022
Tête enseignante GPT0,339
Écart entre enseignants0,317 · 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 tête enseignante, pas un consensus.

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

Citations7
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpace (University of Toronto)Même sujetHigher Education and EmployabilityTravaux en français237 207