Notice bibliographique
Résumé
Purpose The purpose of this paper is to describe and analyze experiences embedding community service learning into an assignment for a bachelor of social work course. The author used these experiences and their connections with early conceptions of progressive education and community work principles to present a pragmatic and supple community service learning (SCSL) model. Design/methodology/approach In total, 15 students and four community organizations participated in SCSL. Data consisted of focus groups, participatory observation, evaluations, e-mails, and documents. Naturalistic case study methodology was employed to retrospectively describe a noteworthy teaching and learning experience. Findings The SCSL model was judged useful for weaving current local realities into course lectures, promoting professional development, and providing community organizations with timely research syntheses. It seemed no more demanding than other teaching experiences. Six features of the model were deemed beneficial: multi-course scaffolding, bottom-up management, asymmetrical student roles, integration of academic and experiential learning, and student involvement in course delivery. Relevant contextual factors included: small class size, maturity of students, and cohesion within cohort. Research limitations/implications A single teaching experience and a small sample of participants informed this case study. Further research is needed to draw firm conclusions about SCSL’s usefulness and generalizability. Practical implications Acknowledging that it is based on limited evidence, SCSL appears to be a promising model for encouraging knowledge mobilization between universities and community organizations, and providing future professionals with experience in such activities. Originality/value This paper describes and analyzes the pedagogic value of SCSL, a manageable and adaptable teaching model for busy faculty.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».