MétaCan
Menu
Retour à la cohorte
Enregistrement W3106430887 · doi:10.1155/2020/8822289

The Role of Peer Mentors in Promoting Knowledge and Skills Development in Graduate Education

2020· article· en· W3106430887 sur OpenAlexafffundabout
Diane Lorenzetti, Lorelli Nowell, Michele Jacobsen, Liza Lorenzetti, Tracey Clancy, Georgina Freeman, Elizabeth Oddone Paolucci

Notice bibliographique

RevueEducation Research International · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueReflective Practices in Education
Établissements canadiensUniversity of Calgary
Organismes subventionnairesUniversity of Calgary
Mots-clésMentorshipThematic analysisMedical educationPsychologyProfessional developmentPeer mentoringGraduate studentsDisciplineQualitative researchPedagogyMedicineSociology

Résumé

récupéré en direct d'OpenAlex

The objective of this study was to explore the role of peer mentorship in facilitating graduate student resiliency, knowledge acquisition, and development of academic competencies. We conducted a qualitative case study, using in-person interview data from sixty-two students recruited from four professional faculties (Education, Medicine, Nursing, and Social Work) at a large Canadian University. We identified four broad themes derived from a thematic and constant comparative analysis of interview data: (1) knowledge sharing, (2) skills development, (3) academic milestones, and (4) program supports. Graduate students reported that peer mentorship promoted the development of learning environments that emphasized community, collaboration, and shared purpose. Students believed that peer mentors facilitated their access to essential procedural and disciplinary knowledge and helped them to develop academic and research skills and achieve key academic milestones. While the majority of the students interviewed had not participated in any formal peer-mentoring program, they recommended that any future program incorporate mentorship training and include access to collaborative spaces and targeted opportunities for students to develop these relationships.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,024
score de la tête « metaresearch » (Gemma)0,056
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,024
Score d'incertitude au seuil0,127

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,056
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0090,008
Communication savante0,0070,004
Science ouverte0,0020,010
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,097
Tête enseignante GPT0,524
Écart entre enseignants0,427 · 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 source (Gemma direct ou Codex distillé), 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

Citations35
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEducation Research InternationalMême sujetReflective Practices in EducationTravaux en français237 207