Helping the Me Generation Decenter: Service Learning with Refugees.
Notice bibliographique
Résumé
Recent research has empirically demonstrated that young adults today are different from prior generations in their decreased empathy, increased narcissism, and decreased civic engagement. The formative years of young adulthood are a critical period for the development of civic values and civil ideologies, a time when college-age adults need to acquire the experiences and skills to decenter and develop into civic-minded stewards of their communities. Engagement in service learning with individuals unlike themselves, i.e., outgroup members, is the approach we have taken at the University of North Florida to encourage this decentering through service learning engagement with refugees embedded in an honors colloquium during students’ first term in college. We took a three-pronged approach to the assessment of the impact of this service learning engagement. In the first approach, evaluations of student responses to open-ended questions provided evidence of a reduction in their self-centeredness and increases in social empathy and multicultural competence. The second approach confirmed these changes in decentering by showing that honors students who were engaged in more interactive service projects with refugees scored higher on two measures of empathy—i.e., the Basic Empathy Scale Basic Empathy Scale ( Jolliffe & Farrington) and the Toronto Empathy Questionnaire (Spreng et al.)—than did students engaged in less interactive service projects with refugees. In the final approach, evaluations of artifacts from the course suggested that levels of decentering, empathy, and civic action differed for students who had intensive versus superficial interactions with refugees.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».