MétaCan
Menu
Retour à la cohorte
Enregistrement W2620220050 · doi:10.1177/1053825917706379

International Service-Learning: Rethinking the Role of Emotions

2017· article· en· W2620220050 sur OpenAlexaff
Marianne A. Larsen

Notice bibliographique

RevueJournal of Experiential Education · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueService-Learning and Community Engagement
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésInternshipPsychologyExperiential learningSet (abstract data type)Qualitative researchFocus groupValue (mathematics)PedagogySocial psychologyMedical educationSociologySocial science

Résumé

récupéré en direct d'OpenAlex

Existing research on international service-learning (ISL) only implicitly alludes to emotions or considers emotions as a limited vehicle through which the more important work of learning occurs. This study set out to shift this focus on emotions to show how emotions are an integral part of the overall ISL experience. The aim was to understand how an ISL internship was an emotional experience for the student participants through the lens of noncognitive process theory of emotions. This was a qualitative case study of the experiences of 10 university students who engaged in an ISL internship in East Africa. Data collection instruments included preinternship surveys and emotional mind maps, postinternship surveys, and interviews. The study demonstrated that ISL can be a highly charged, emotional experience for student participants. The author argues that emotional responses are not simply a limited catalyst through which learning and transformation transpires, but constitutes forms of understanding in and of themselves. This points to the need for ISL researchers and practitioners to shift their preconceptions about the value of emotions in learning and transformation processes and attend to the emotional dimensions of ISL in their research and the implementation of these programs.

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)0,006
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,027
Communication savante0,0130,013
Science ouverte0,0010,007
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,031
Tête enseignante GPT0,362
Écart entre enseignants0,331 · 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'étudeSans objet
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

Citations33
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Experiential EducationMême sujetService-Learning and Community EngagementTravaux en français237 207