MétaCan
Menu
Retour à la cohorte
Enregistrement W3101747249 · doi:10.11575/prism/38366

Evaluation of Experiences in the Canadian Conservation Corps: A Qualitative Content Analysis

2020· dissertation· en· W3101747249 sur OpenAlexaboutno aff
Nicholas Butt

Notice bibliographique

RevuePRISM (University of Calgary) · 2020
Typedissertation
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueDiverse Educational Innovations Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContent analysisQualitative analysisEngineeringQualitative researchSociologySocial science

Résumé

récupéré en direct d'OpenAlex

A qualitative content analysis study was conducted in partnership with the Canadian Wildlife Federation (CWF) and Mitacs to explore the experiences of participants involved in the Canadian Conservation Corps (CCC) program. 27 semi-structured interviews conducted with 14 interviewees were audio-recorded and transcribed. Interview data were analyzed using an inductive qualitative content analysis of latent data. The analysis identified seven themes which are: Theme 1: Participants Discussed the Importance of Community Theme 2: Participants Learned Through Difficulty Theme 3: Participants Experienced Personal Growth Theme 4: Participants Developed a Range of Skills Theme 5: The CCC Supported Participants’ Career Development Theme 6: Stage 2 Leaders Described Benefits to Their Organizations Theme 7: Interviewees Offered Suggestions for Improvements to the CCC Findings were shared with CWF and stakeholders of the CCC to inform funders and to support future development of the program.

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 enseignants0,465
Score d'incertitude au seuil0,573

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,162
Tête enseignante GPT0,307
Écart entre enseignants0,145 · 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePRISM (University of Calgary)Même sujetDiverse Educational Innovations StudiesTravaux en français237 207