Enlivening a Community of Authentic Scholarship
Notice bibliographique
Résumé
Background: Critical and engaged qualitative scholarship depends on high-quality graduate training. The need to reexamine graduate student mentorship has become particularly pressing, given the high level of mental health distress experienced by students. It is unclear whether mentorship emerging within the student–advisor relationship is sufficient to ensure comprehensive mentorship. Innovative, experiential pedagogical approaches that integrate emotional and intellectual aspects are limited but may play a vital role in mentorship. There is a critical need to develop and study creative mentorship initiatives for emerging qualitative scholars. Methods: This study used interpretive description methodology and a community of practice theoretical framework to describe a faculty-mentored experience for graduate nursing students at the 2016 Qualitative Health Research Conference (FM-QHR) hosted by the International Institute for Qualitative Methodology. Participants completed written journals elucidating their experiences throughout FM-QHR. The textual data were analyzed using a constant comparative group analysis process, leading to the development of salient and interconnected themes. Results: Six graduate students and four faculty mentors submitted journals. Three interrelated themes articulate how this FM-QHR initiative enlivened a community of authentic scholarship: Questioning the Academic Self: Unvoiced Experiences of Angst, Uncertainty, and Fear; Cocreating Authentic Community through Shared Vulnerability; and Generative and Emergent Empowerment. Conclusion: These findings provide compelling insights into the importance of assisting students to navigate the emotional experiences that are a part of qualitative graduate training. Relational, mentorship initiatives hold potential to not only alleviate emotional distress but also support student empowerment, socialization, and entrance into a community of international qualitative researchers.
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 | 0,034 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,038 |
| Communication savante | 0,014 | 0,012 |
| Science ouverte | 0,003 | 0,042 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».