Impact assessment of academic support provided by tertiary learning advisors
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
In New Zealand higher education (HE), there is a lack of consistent ways of collecting evidence of the impact made by academic literacy support from Tertiary Learning Advisors (TLAs) on students’ academic performance, retention, and success. TLAs in New Zealand and Australia are primarily involved in providing learning support to students in post-secondary education to encourage development of their academic literacy and essential study skills. They are professional educators who advise students on issues related to academic writing and other academic skills, such as time management or exam preparation, to facilitate achievement of students’ goals of tertiary study (Griffith University, 2021). While it may be recognised that provision of learning support is desirable for a meaningful and successful HE experience for many students, hard evidence that learning support makes a difference to student retention and academic performance is difficult to find (Acheson, 2006, as cited in Breen and Prothero, 2015). This presentation sought to share an attempt to address this issue by investigating the impact of embedded academic literacy support provided by TLAs to three cohorts of students enrolled in undergraduate social work and early childhood education programs at my ITP (Institute of Technology and Polytechnic) in Auckland, New Zealand. Existing research in Australia, Canada, and the United Kingdom suggests that support that embeds academic literacy development in disciplines, rather than academic support that is generic and/or provided through foundation courses, represents a best practice model (Glew et al., 2019).
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 | 0,003 | 0,000 |
| 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 | 0,000 | 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) | 0,001 | 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