MétaCan
Menu
Retour à la cohorte
Enregistrement W4295941751 · doi:10.5430/ijhe.v11n5p169

Guidance as A Key Factor for Quality Outcomes in Experiential Learning and Its Influence on Undergraduate Management Students throughout the Covid-19 Pandemic

2022· article· en· W4295941751 sur OpenAlexvenueno aff
Anat Shteigman, Michal Levi-Blech, Arie Reshef

Notice bibliographique

RevueInternational Journal of Higher Education · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education and Employability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInternshipExperiential learningFlexibility (engineering)Quality (philosophy)PsychologyMedical educationCoronavirus disease 2019 (COVID-19)PopulationKnowledge managementMedicinePedagogyComputer scienceManagementEconomics

Résumé

récupéré en direct d'OpenAlex

This paper presents a study that explores how “field experience” programs generate a meaningful bridge between the “theoretical” academic world and the “real” labor market. We examine this model in a population of undergraduate management students who participated in experiential learning programs via internship-integrating courses. The results unravel the significance of the experience-based educational program during Covid-19, formulating new correlations unique to this period. The study's contribution focuses on three main areas. First, the findings shed light on the academic supervisor's importance in establishing the quality of the program and consequently improving students’ perception of its contribution to their integration in the employment market. Moreover, we found that the contribution of the guidance provided by the organizational mentor diminished during the Covid-19 period compared to that shown in former studies. Additionally, an innovative mediating effect of the guidance provided by the organizational mentor was found, one that generated an association between the quality of the program and its contribution to integration in the employment market. These results receive further validation during the period of the study, when academic institutions were required to show flexibility and adaptation, leading to the utilization of previously uncustomary distance learning methods.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,286
Score d'incertitude au seuil0,402

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,081
Tête enseignante GPT0,519
Écart entre enseignants0,438 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Higher EducationMême sujetHigher Education and EmployabilityTravaux en français237 207