MétaCan
Menu
Retour à la cohorte
Enregistrement W2800983152 · doi:10.37333/001c.29769

Indigenous Perspectives on Community Service-Learning in Higher Education: An Examination of the Kenyan Context

2017· article· en· W2800983152 sur OpenAlexaff
Charlene VanLeeuwen, Lori E. Weeks, Linyuan Guo-Brennan

Notice bibliographique

RevueInternational Journal of Research on Service-Learning and Community Engagement · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueService-Learning and Community Engagement
Établissements canadiensDalhousie UniversityUniversity of Prince Edward Island
Organismes subventionnairesnon disponible
Mots-clésIndigenousExperiential learningKenyaPerspective (graphical)Context (archaeology)Extant taxonService-learningSociologyPedagogyColonialismIndigenous educationService (business)Engineering ethicsPolitical sciencePublic relationsGeographyEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

To understand community service-learning (CSL) in global contexts, an Indigenous perspective is needed to reflect the range of contextual and historical issues. Theoretical discussions of CSL generally reference theories of experiential and reflective learning; however, work in critical pedagogy and anti-colonial discourse can be utilized to generate a framework that embraces the breadth and depth of CSL in different regions. Extant research on CSL in Africa has found that student learning and development are influenced by pressures faced by the higher education system as well as historical and contextual issues encountered by students while engaged in CSL. As discussed in this article, incorporating an Indigenous perspective within existing theoretical frameworks can enable the development of models, pedagogical approaches, and practices that reflect needs of Kenyan communities. The authors present a rationale for further CSL research in Kenya to ensure culturally sensitive, theoretically sound, and non-exploitive CSL that fosters positive outcomes for students, partner organizations, communities, and higher education institutions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,030
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,281
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0300,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0100,000
Communication savante0,0010,001
Science ouverte0,0040,001
Intégrité de la recherche0,0000,011
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,244
Tête enseignante GPT0,458
Écart entre enseignants0,214 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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

Citations8
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Research on Service-Learning and Community EngagementMême sujetService-Learning and Community EngagementTravaux en français237 207