MétaCan
Menu
Retour à la cohorte
Enregistrement W4205308108 · doi:10.1080/02615479.2021.2021173

Meeting learning objectives in an in-house research placement: results of a student-supervisor duo-ethnography

2022· article· en· W4205308108 sur OpenAlexaff
Kimberly A. Calderwood, Larissa N. Rizzo

Notice bibliographique

RevueSocial Work Education · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueReflective Practices in Education
Établissements canadiensTrent University
Organismes subventionnairesnon disponible
Mots-clésSupervisorEthnographySociologyPsychologyMedical educationPedagogyMathematics educationMedicinePolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

To address a shortage of social work placements during the COVID-19 pandemic, the first author created a remote in-house research placement providing a third-year undergraduate student with 240 field education hours to count toward a Bachelor of Social Work degree. The primary task was for the student to analyze interview transcripts about the experiences of students and trainers in an online counseling skills workshop. Using a duo-ethnographic method, the findings showed that the student-supervisor relationship was key to the learning, there were challenges in aligning the tasks with the range of learning objectives expected in the program, and several of the expected and unexpected learning outcomes achieved were considered transferable beyond just research skill development. While there were some challenges related to isolation, exhaustion, and self-care, overall this placement was considered to be a success. Recommendations for future research and in-house placements were made.

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)0,010
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,098
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,006
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
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 Opus0,097
Tête enseignante GPT0,491
Écart entre enseignants0,394 · 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.

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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial Work EducationMême sujetReflective Practices in EducationTravaux en français237 207