MétaCan
Menu
Retour à la cohorte
Enregistrement W4221018635 · doi:10.1145/3517132

Impact of UX Internships on Human-computer Interaction Graduate Students: A Qualitative Analysis of Internship Reports

2022· article· en· W4221018635 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueACM Transactions on Computing Education · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education and Employability
Établissements canadiensCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésInternshipMedical educationUsabilityThematic analysisPsychologyTeamworkQualitative researchComputer sciencePedagogySociologyMedicineManagementHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

Objectives. Internships can bring a host of professional and academic benefits to students. Then, how do User Experience (UX) internships influence Human-Computer Interaction (HCI) graduate students’ professional and academic growth? What are the challenges experienced by HCI graduate students during internships? We explored these two research questions. Participants. Our study participants were 42 HCI graduate students who completed UX internships. They came from computing and related disciplines, including computer science, information technology, psychology, and design. Some of the participants’ internship titles were Interaction Designer, Design Researcher, UX Programmer, and Business Intelligence Analyst. Study Method. We conducted a thematic analysis on 42 graduate students’ UX internship reports that were collected over 6 years to uncover themes in relation to our two research questions. Findings. As for UX internship benefits, we found that students learned about the workplace culture (e.g., academia vs. industry/government on research design processes) and core UX technical (e.g., research, design, programming) and people skills (e.g., teamwork, empathy toward end-users); they also realized what they wanted in future careers after completing their internships. We also found internship challenges that were related to the internship program (e.g., the availability of internship opportunities), the host organizations (e.g., the quality of mentorship received), and remote working (e.g., difficulty over conducting remote usability testing). Conclusions. We make practical recommendations for HCI educators, UX practitioners, and HCI graduate students on how they can work collaboratively to create a meaningful UX internship experience. These recommendations include researching the host organization prior to internships, providing comprehensive onboarding, and being transparent with internship constraints.

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.

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)0,002
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,688
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,206
Tête enseignante GPT0,548
Écart entre enseignants0,341 · 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