MétaCan
Menu
Retour à la cohorte
Enregistrement W2881319407 · doi:10.1177/1053825918784630

Canoe Trips: An Especially Good Place for Conversation About Student Transition

2018· article· en· W2881319407 sur OpenAlexaff
John Hannah

Notice bibliographique

RevueJournal of Experiential Education · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueOutdoor and Experiential Education
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésConversationMetaphorTRIPS architectureTransition (genetics)PsychologyPsychological interventionConversation analysisSocial psychologyPedagogySociologyCommunicationLinguisticsComputer science

Résumé

récupéré en direct d'OpenAlex

Background: Many postsecondary institutions offer outdoor programs to incoming students as a form of orientation or transition event. Positive outcomes for students are shown to result from these interventions but less is known about the mechanisms leading to these outcomes. Purpose: This article argues that conversation is one of these mechanisms and suggests canoe trips are an especially good intervention in which to generate conversation about student transition. Methodology/Approach: Insights emerging from our own outdoor orientation program called Portage lead to a hypothesis that canoe trips create three conditions ideal for the generation of productive conversation about student transition: the emergence of communitas, more egalitarian and communal relationships, and a rich source of metaphor. Findings/Conclusions: The Portage experience shows promise as a way to help students explore their educational and transition experiences through conversation. Implications: The intentional generation of conversation through metaphor on canoe trips may offer a useful space of pedagogical possibility to help students contemplate and pass through their transition more productively.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,013
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0050,005
Communication savante0,0040,004
Science ouverte0,0010,011
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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 Opus0,020
Tête enseignante GPT0,406
Écart entre enseignants0,386 · 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'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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Experiential EducationMême sujetOutdoor and Experiential EducationTravaux en français237 207