MétaCan
Menu
Retour à la cohorte
Enregistrement W4383069940 · doi:10.1080/10511253.2023.2231062

Adapting Criminology Field Placements during a Global Pandemic: Communication, Flexibility, and Contingency Plans in Experiential Learning

2023· article· en· W4383069940 sur OpenAlexaffabout
Jana Grekul, Jenna Robinson, Wendy Aujla

Notice bibliographique

RevueJournal of Criminal Justice Education · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésExperiential learningFlexibility (engineering)PsychologyPandemicContingencyExperiential educationCreativityContingency managementCriminal justiceField (mathematics)Crime preventionPublic relationsPedagogyMedical educationCriminologySocial psychologyCoronavirus disease 2019 (COVID-19)Political scienceMedicineManagement

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic impacted the world in ways never imagined. Post-secondary education was no exception. When post-secondary educational institutions switched to online teaching almost overnight, experiential learning programs scrambled to adjust. Research conducted during the pandemic reports on the importance of contingency plans for crises, flexibility, and creativity to ensure students completed their experiential learning terms. Drawing on interviews with 9 students, reflective journals from 20 students, and online surveys completed by 13 community partners, this study explores the impact of the pandemic on field placements that are part of an undergraduate Criminology program at a Canadian university. Findings indicate that the pandemic presented unique challenges to students working in criminal justice system and related agencies and that communication, ongoing support, and flexibility helped mitigate some of the stress these students experienced. Unexpected benefits are also discussed. We offer recommendations for experiential learning in Criminology programs based on these experiences.

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 enseignants0,160
Score d'incertitude au seuil0,435

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 ouverte0,0000,000
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 Opus0,176
Tête enseignante GPT0,487
Écart entre enseignants0,311 · 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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Criminal Justice EducationMême sujetCOVID-19 and Mental HealthTravaux en français237 207