Reflections on Experiential Learning in an Undergraduate Global Health Course
Notice bibliographique
Résumé
Experiential learning has the potential to enhance students’ success and prepare them for the job market, including through class experiences that mirror experiences in the workforce. In this article, I lay out the process of incorporating experiential learning in a global health course. I have derived three key lessons from the design and implementation of this course: focus on one overarching goal, align learning activities with real world expectations, and help students understand connections between their projects and course content. These lessons provide insights to integrate experiential learning activities in the classroom. L’apprentissage expérientiel a le potentiel d’améliorer la réussite des étudiants et de les préparer pour le marché du travail, notamment en créant en classe des expériences qui ressemblent aux expériences en milieu de travail. Dans cet article, je présente le processus d’incorporation de l’apprentissage expérientiel dans un cours sur la santé mondiale. Je tire trois leçons de la conception et de la mise en œuvre de ce cours : il faut 1) se concentrer sur un objectif primordial, 2) harmoniser les activités d’apprentissage et les attentes du monde réel et 3) aider les étudiants à comprendre les rapports entre leurs projets et le contenu du cours. Ces leçons permettent de mieux comprendre comment incorporer des activités d’apprentissage expérientiel en classe.
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 | 0,011 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,009 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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.
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 ».