Advancing Social Work Practice Research Education – An Innovative, Experiential Pedagogical Approach
Notice bibliographique
Résumé
Achieving practice research competency is an essential pillar of social work practice. However, research material is often associated with dry lectures and incomprehensible statistical applications that may not reflect real life issues. Teaching research course is often antithetical to the pedagogical approach commonly used in social work education, which engages students in practical applications of real life situations with case examples. This paper described and evaluated six sets of experiential class and field activities designed to increase graduate level social work students’ competencies of practice research. These activities included: (1) formulating a practice-based research topic – a case study; (2) using assessment templates for critical evaluation of published research; (3) single-system research design – a tool for evaluation of clinical practice; (4) agency research and evaluation field assessment; (5) design and implementation of a practice-focused class study project; and (6) class activity on presentation and dissemination of research findings. An online course evaluation was administered with altogether 63 students in 2 Foundation Research and 2 Advanced Research classes to elicit both their qualitative feedback and quantitative ratings of their attainment of research competencies. The instructor’s assessment of individual student performance using a grading rubric helped determine their level of attainment of course competences. Findings suggest several critical elements of this pedagogical approach. It is a case-based learning and students learn about real-world research issues. It is discussion-centered and a collaborative learning process. Cases selected for learning and research are context-specific as students see the connection of social work research to day-to-day practice contexts.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».