MétaCan
Menu
Retour à la cohorte
Enregistrement W4293452393 · doi:10.7202/1091469ar

Thinking Preference Awareness, Leadership Skills and Learning Behaviour

2022· article· en· W4293452393 sur OpenAlexaffabout
Christine Boyko-Head

Notice bibliographique

RevueInternational Journal for Talent Development and Creativity · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Critical Thinking Development
Établissements canadiensMohawk College
Organismes subventionnairesnon disponible
Mots-clésTransformative learningEmployabilityPreferencePsychologyCritical thinkingPedagogyCurriculumMathematics educationMedical education

Résumé

récupéré en direct d'OpenAlex

Prior to Covid-19, studies identified a gap between the skills employers needed and the skills graduates had (IBM, 2012, 2016, WEF2016b). Still impacted by the pandemic, graduating classes of the future may not be any different. This paper shares findings from an Applied Research in Innovation and Education (ARIE) pilot project conducted between 2016-2017 at Mohawk College, Ontario Canada with 117 students enrolled in a 14week, mandatory Communications course. Specifically, the pilot project explored perceptions of leadership, employability skills and attributes in post-secondary students and how they perceived and assessed their leadership skills and developmental needs for future employment. The study also examined how learner awareness of their own and others thinking preferences when problem-solving impacted their academic behaviours and development goals. The aim was to determine the impact thinking preference awareness in learners might have on their communication, collaboration, and development of personal and professional learning targets. Using a mixed-methods, transformative-emancipatory critical approach, the research highlights the classroom as a living laboratory rich in emergent research questions and revealed additional areas of research regarding thinking preference theory and language, self-differentiated learning and inclusive, learner-focused curriculum design.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,645
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,103
Tête enseignante GPT0,366
Écart entre enseignants0,262 · 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'étudeObservationnel
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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Talent Development and CreativityMême sujetEducation and Critical Thinking DevelopmentTravaux en français237 207