Learning With Dogs: An Exploration of Student Outcomes from a Canine-Assisted Experiential Learning Intervention
Notice bibliographique
Résumé
Pedagogical researchers are increasingly investigating the impact of experiential learning models, which include hands-on or immersive engagement with content, on student outcomes, as compared to traditional transmission-based learning models. Many previous studies focused on academic competencies and learning outcomes, but the present research investigated non-academic positive outcomes such as self-awareness and wellbeing. Self-awareness and meta-learning can be explained by neural reward pathways that govern motivation; active engagement with activities leads to deeper cognitive processing and higher motivation. Thus, students that are actively engaged and interested in their own learning processes tend to have better learning outcomes. Wellbeing is studied less in this context but is preserved and enhanced through this model of learning. This may be in part because experiential activities often allow for increased peer relationships, which are known to act as a buffer against stress. Combining the literature on experiential learning with the literature on canine-assisted learning provides a particularly interesting area of investigation, as several researchers have attempted to integrate the power of experiential learning with the well-known health and wellbeing benefits derived from interacting with dogs. Students reported increased confidence, wellbeing, and literacy skills after engaging with canine-assisted learning programs. Data from a novel case study conducted at Bader College in 2022-23 supported the link between experiential learning and wellbeing. In this case study, ten students took part in a dog training program over the course of the academic year. The students submitted weekly learning reflections, which highlighted the benefits they derived from the experience in relation to wellbeing, deeper cognitive processing, and meta-learning. The results of this case study suggest the need to take a more holistic approach to student outcomes when contrasting experiential learning models with traditional learning models. The study also raised awareness of the benefits of learning activities involving dogs.
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 | 0,009 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».