Involvering af studerende i kvalitative forskningsprojekter
Notice bibliographique
Résumé
Forskere, der er ansat på universiteter eller på professionshøjskoler bliver mere og mere presset. Ud over at skulle undervise på højt akademisk forskningsbaseret niveau, at reflektere og dokumentere egen praksis, hele tiden at være fagligt up-to-date, forventes det også at der forskes og at resultaterne publiceres i højt estimeret tidsskrifter. Det kan være en svær balancegang – specielt når det omfatter kvalitative feltstudier af menneskelige relationer. En ressource der er lige for, er at involvere studerende i indsamling og evt. fortolkning af empirien. Udfordringerne ved at involvere studerende i forskningsprocessen og lade dem indsamle empiri er det centrale emne i præsentationen, der tager udgangspunkt i to konkrete forskningsprojekter omhandlende hhv. Inquiry Based Learning (IBL) i idrætsundervisningen, og kategorier af fysisk aktivitet i klasserumsundervisning i folkeskolen. En undersøgelse af hvordan IBL påvirkede motivationen og læringsprocesserne hos idrætslærerstuderende på University College Nordjylland blev undersøgt i samarbejde med idrætslærerunderviser lektor Poul Ravn Stidsen. Baseret på erfaringer fra dette projekt, var grupper af idrætsstuderende fra AAU under vejledning ansvarlig for IBL idrætsforløb i folkeskolen. Den indsamlede empiri består af videooptagelser af elevernes IBL arbejde i idrætsundervisningen, samt interview med udvalgte grupper med fokus på elevernes motivation for undervisningsmetoden. Det andet projekt fokuserede på elevers fysiske aktivitet i folkeskolen ud over idrætsundervisningen. Efter initierende videoobservationer og accelerometermålinger af en 7. klassers elevers fysisk aktivitet igennem en tilfældig uge, har idrætsstuderende ved AAU indsamlet videoobservationer af elever i overbygningen og deres fysiske aktivitet i den ikke-idrætsfaglige undervisning. Spørgsmålet der ønskes debatteres, er hvorvidt vi som forskere kan lade studerendes videoobservationer og interviewtransskriptioner indgå på lige fod med andre former for empiri, vi selv indsamler i forbindelse med forskningsprojekter? Hvordan sikre vi os reliabilitet og validitet af data, og er der etiske dilemmaer forbundet med at lade ikke-forskerudannede selvstændigt indsamle empiri, der efterfølgende danner grundlag for publikationer?
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 | 0,027 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,019 | 0,013 |
| Science ouverte | 0,003 | 0,015 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,119 | 0,056 |
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 ».