Teaching and learning in adult and higher education, the example of anti-racism and anti-oppression training for social work field instructors
Notice bibliographique
Résumé
The purpose of this study was to explore which content and teaching methods best facilitate field instructors' learning about anti-racism and anti-oppression issues and assist them in teaching students the skills to incorporate these issues in their work. Coupled with examining issues related to the content, format, impact and organizational context of training, determining future training needs of field instructors was another focus of this study. Based on the purpose of the research and my own learning goals, a qualitative research approach was utilized in this study. In-person and telephone interviews were conducted with field instructors affiliated with the two Canadian universities. The findings indicate that social work field instructors prefer a participatory approach in their learning at anti-racism and anti-oppression training events, as well as in their own field teaching. Training provides field instructors with opportunities to build new knowledge about the issues, affirms their current knowledge and efforts in this area and offers them creative strategies to take action regarding anti-racism and anti-oppression. The agency climate was found to impact the nature and degree of anti-racist and anti-oppressive field education. Field instructors also provided numerous insights for future training events. Recommendations for future training events include mandatory anti-oppression and anti-racism training for new and veteran field instructors; opportunities for on-going networking and dialogue between stakeholders; the development and dissemination of written resources; the enhancement of social work curricula to include greater emphasis on the issues; and the promotion of additional research in this area of social work education.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,015 | 0,008 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».