MétaCan
Menu
Retour à la cohorte
Enregistrement W2952606475 · doi:10.22329/celt.v12i0.5751

Reflections on Experiential Learning in an Undergraduate Global Health Course

2019· article· en· W2952606475 sur OpenAlexaffvenue
Obidimma Ezezika

Notice bibliographique

RevueCollected Essays on Learning and Teaching · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueBiomedical and Engineering Education
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésExperiential learningPsychologyPedagogyHumanitiesSociologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

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 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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,127
Score d'incertitude au seuil0,686

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,011
Tête enseignante GPT0,318
Écart entre enseignants0,307 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCollected Essays on Learning and TeachingMême sujetBiomedical and Engineering EducationTravaux en français237 207