MétaCan
Menu
Retour à la cohorte
Enregistrement W2892933618 · doi:10.15402/esj.v4i1.308

Community Service-Learning in a Large Introductory Sociology Course: Reflections on the Instructional Experience

2018· article· en· W2892933618 sur OpenAlexfundvenueno aff
Jana Grekul, Wendy Aujla, Greg Eklics, Terra Manca, Ashley Elaine York, Laura Aylsworth

Notice bibliographique

RevueEngaged Scholar Journal Community-Engaged Research Teaching and Learning · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Teaching Methodologies in Social Sciences
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Alberta
Mots-clésClass (philosophy)Service-learningGraduate studentsMathematics educationPedagogyMedical educationSociologyPsychologyComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

This paper reports on a pilot project that involved the incorporation of Community Service-Learning (CSL) into a large Introductory Sociology class by drawing on the critical reflections of the six graduate student instructors and the primary instructor who taught the course. Graduate student instructors individually facilitated weekly seminars for about 30 undergraduate students, half of which participated in CSL, completing 20 hours of volunteer work with a local non-profit community organization. We discuss the benefits of incorporating CSL into a large Introductory Sociology class and speculate on the value of our particular course format for the professional development of graduate student instructors. A main finding was the critical importance to graduate students of formal and informal training and collaboration prior to and during the delivery of the course. Graduate students found useful exposure to CSL as pedagogical theory and practice, and appreciated the hands-on teaching experience. Challenges with this course structure include the difficulty of seamlessly incorporating CSL student experiences into the class, dealing with the “CSL”/ “non CSL” student division, and the nature of some of the CSL placements. We conclude by discussing possible methods for dealing with these challenges.

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)0,909
score de la tête « metaresearch » (Gemma)0,860
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesMétarecherche, Études des sciences et des technologies
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,741
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,9090,860
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,7460,005
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,730
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 Opus0,415
Tête enseignante GPT0,532
Écart entre enseignants0,118 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
DomaineMéthodes
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

Citations1
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEngaged Scholar Journal Community-Engaged Research Teaching and LearningMême sujetInnovative Teaching Methodologies in Social SciencesTravaux en français237 207