Student internships bridge research to real world problems
Notice bibliographique
Résumé
Purpose The aim of this paper is to report on student perceptions of 24 graduate student internships funded in 2007‐2008 by York University's Knowledge Mobilization (KMb) Unit. These internships provided opportunities for students to engage in research with community agencies around real world problems. Design/methodology/approach The principal sources of data were semi‐structured student interviews, conducted as part of an overall evaluation of the unit by an evaluation team, and student responses to surveys administered by KMb staff. Findings The significant findings were that students reported acquiring research and professional skills, plus a new understanding of theoretical knowledge, and that projects generated concrete outcomes for their community partners. Several students maintained ongoing relationships with their organizational partners beyond the terms of their internship, creating opportunities for ongoing benefits to both students and community partners. Students also identified areas of potential improvement, notably, there is an opportunity to strengthen the experience through integration into a formal curriculum. Research limitations/implications Limitations to this study are the relatively small sample size (n=20) and reliance on self‐report measures. Practical implications As universities explore their relationships with their local communities, graduate student internships appear to have tremendous potential for supporting research and knowledge‐based needs of local communities, while providing valuable skills and training to a cohort of students in bridging academic research to real world solutions. Originality/value This article makes an original contribution by focusing on benefits to graduate students in scholarship of engagement programs that prioritize true partnership between students, universities and communities.
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 | 0,009 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,002 | 0,015 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».