MétaCan
Menu
Retour à la cohorte
Enregistrement W2922434207

Becoming Global Citizens: Learning through International Volunteering

2018· article· en· W2922434207 sur OpenAlexaffabout
Akiko Ohta

Notice bibliographique

Revue2019 Conference of the Canadian Society for the Study of Education · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTourism, Volunteerism, and Development
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésExperiential learningGovernment (linguistics)Openness to experiencePublic relationsCitizenshipPolitical scienceGlobal citizenshipMulticulturalismImmigrationStudy abroadEconomic growthSociologyPublic administrationPedagogyPsychologySocial psychologyLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Canada has been well known for its openness to accept new immigrants and welcome international students, and it has made Canada a multicultural country with people from diverse backgrounds. Yet, despite this focus on building multicultural coexistence, Canada has not significantly promoted to send Canadians abroad for experiential learning. Economically developed countries such as Japan, Korea, and the USA have governmental volunteering programs, which are financed by taxes, to send their own citizens abroad for two years as part of human development. On the other hand, in Canada, there is no such program and only some NGOs are hosting international volunteering. Moreover, even for those governmental programs, the main interest has been building a relationship with the local governments and cares the fact to present how much efforts the government has made for international cooperation. Little attention has been paid for volunteers’ discursive experience, learning process they go through, and how the experience has had impact on them and their life. This research sheds light on international volunteering as informal learning/life-long learning for citizenship education/global education, which lets volunteers immersed in new cultural contexts with new language(s), exposes them through the learning process, and impacts them and their life.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,065
Score d'incertitude au seuil0,907

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,039
Tête enseignante GPT0,323
Écart entre enseignants0,283 · 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.

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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue2019 Conference of the Canadian Society for the Study of EducationMême sujetTourism, Volunteerism, and DevelopmentTravaux en français237 207