Preparing the Leaders of Tomorrow: A Model of Applied Research Training in a Community College
Notice bibliographique
Résumé
Depending on their program of study, many students graduating from colleges and universities will have had few educational opportunities to learn about the influence of a changing Canadian demographic. However, the reality is that an aging population can be expected to impact their careers regardless of their chosen field of work. At Sheridan College, the Sheridan Elder Research Centre (SERC) has developed a comprehensive applied research training and mentorship program for college students. This training is designed as a week-long immersive and interactive series of workshops. In addition to laying a solid theoretical foundation, exploring current issues in the field of aging and the principles of applied research, students participate in role-playing and team-building exercises that build a variety of applied research and communication skills. The use of a newly designed applied research board game is one of the innovative ways that SERC helps to build interdisciplinary relationships while teaching applied research skills. Two years after implementation, SERC has seen the effects of the program on student success within the classroom and after graduation. The training materials support SERC’s research goals on a variety of age-related topics while showing students how to apply the skills they learn in the classroom to ‘real world’ problems. This model for training the leaders of tomorrow is flexible, relatively simple to implement and has lasting benefits for both students and researchers. The curriculum and program outcomes will be discussed along with a demonstration of how the board game is used as a teaching tool.
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 | 0,015 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».