Stakeholder Perspectives of Experiential Education in Tertiary Institutions and Learning From COVID-19
Notice bibliographique
Résumé
Background Many universities in Canada offer experiential education (EE) opportunities for students that are both field-based and on-campus. Despite a commitment to EE, there is a paucity of information about various stakeholder perspectives of EE and the equity implications of the different approaches to EE. Furthermore, it is unclear how EE programs at universities changed in response to the COVID-19 pandemic and related restrictions. Purpose This study aims to explore stakeholder perspectives of EE experiences and understand the shifts to EE, perhaps towards more equitable and accessible EE opportunities, prompted by the COVID-19 pandemic. Methodology/Approach We used an exploratory case study approach involving a survey with university students, interviews with university instructors and community organizations, and a document review, to understand stakeholder perspectives and shifts to EE due to COVID-19. Findings/Conclusions Findings suggest that there are consistent benefits of EE, and barriers to EE, across student, instructor, and organization perspectives, where learning from changes prompted by the pandemic could be beneficial to increase equity in EE. Implications We recommend that instructors and institutions continue to work in partnership with students and community organizations to build virtual, on-campus, and local field-based EE (FBEE) opportunities that aim to increase equitable access and impact.
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 | 0,027 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,015 | 0,013 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,002 | 0,015 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».