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.
Notice bibliographique
Résumé
Grow Your Academic Resilience is interactive workshop aimed at equipping students with practical tools to nurture their academic resilience, or their ability to deal with academic challenges and setbacks (Martin and Marsh, 2008). The session helps students recognise the qualities of a growth as opposed to fixed mindset (Dweck, 2006), and supports them to feel confident in dealing constructively with feedback. Students are encouraged to identify strengths they possess and consider the skills they need to achieve their academic goals. Research demonstrates that resilience is an attribute that positively impacts student wellbeing, engagement, and academic achievement (Turner, Scott-Young and Holdsworth, 2017). Consequently, we believe universities play a key role in developing the resilience of students, therefore introducing students to this concept at the earliest opportunity is paramount. Feedback to date has been positive and we aim to grow the number of sessions we deliver. Our objective was to deliver an adapted session and elicit feedback from our peers for future development. Participants took part in a 45-minute workshop as university students. Alongside this, commentary was provided discussing the nature of the activities. Finally, participants were given 15 minutes to share experiences and offer constructive suggestions. Resources were shared, alongside presentation notes. Session Plan: Fixed vs. Growth Mindset quiz Grow your academic resilience (bespoke worksheet) Your feedback plan The session addresses the following Learning Outcomes: Understanding what it means to be academically resilient Recognising a growth Mindset Discovering practical tools to nurture your resilience Dealing confidently with feedback
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découle