Social learning theory and academic writing in graduate studies
Notice bibliographique
Résumé
Over the past 20 years, the Organization for Economic Co-operation and Development has reported a median of 50% for dropout rates in doctoral programs, all disciplines combined (OECD, 2019). Among reasons for not graduating, PhD students identify a lack of experience and competencies with academic writing, impeding on their progression as students, but also as novice scholars (Litalien & Guay, 2015). Indeed, graduate students are required to undergo professional socialization, by engaging with other scholars, to learn the norms and practices of their respective research fields (Skakni, 2011). This paper aims at communicating preliminary results from a doctoral research to provide a greater understanding of peer learning in academic writing groups organized by Master’s and PhD students. The social learning theory developed by Bandura (1971) is used as a foundation to our study, with its self-efficacy concept at the forefront of our theoretical framework. In that regard, PhD students can develop confidence in their abilities to successfully complete writing projects based on four sources of influence: mastery experiences; vicarious experiences; social persuasion; and physiological and emotional states (Bandura, 2019). While studying a learning community composed of 4,000 graduate students, as an instrumental case study (Stake, 1995), we conducted semi-structured interviews with 25 PhD students, followed by a content analysis of transcripts using a qualitative data analysis software (NVivo12). Participants representing 12 Canadian universities and 14 scholarly disciplines shared significant learning experiences related to all four self-efficacy sources of influence. Of particular interest, findings revealed that PhD students gathering in public places (cafes, libraries, coworking spaces, museums, parks) increased their self-efficacy through peer learning (exchanging, observing, modelling). These results are presented with a view of recommending valuable strategies to develop academic writing competencies through social actions led by graduate students, in conjunction with institutional support in the context of higher education.
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 | 0,011 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,008 | 0,048 |
| Communication savante | 0,014 | 0,006 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,000 |
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.
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 ».