Transformed through the CARTA experience: changes reported by CARTA fellows about their PhD journey
Notice bibliographique
Résumé
Transformative learning occurs when a person, group, or larger social unit encounters ideas that are at odds with their prevailing perspective. This discrepant perspective can lead to an examination of previously held beliefs, values, and assumptions. The Consortium for Advanced Research Training in Africa (CARTA) has since 2011 been training and supporting faculty from different African universities, to become more reflective and productive researchers, research leaders, educators, and change agents who will drive institutional changes in their institutions. As part of a mid-term evaluation of CARTA, an open-ended question was posed to the CARTA fellows asking them to describe any changes they had experienced in their professional lives as a result of the CARTA Programme. The 135 responses were inductively coded and analysed using qualitative thematic analysis. These themes were subsequently mapped onto Hoggan's typology of transformative learning outcomes. CARTA fellows reported shifts in their sense of self; worldviews; beliefs about the definition of knowledge, how it is constructed and evaluated; and changes in behaviour/practices and capacities. This paper argues that the changes described by the CARTA fellows reflect transformative learning that is embedded in CARTA's Theory of Change. The reported transformation was enabled by a curriculum intentionally designed to facilitate critical reflection, further exploration, and questioning, both formally and informally during the fellows' PhD journey with the support of CARTA facilitators. Documenting and disseminating these lessons provide a guide for future practice, and educators wishing to revitalise their PhD training may find it useful to review the CARTA PhD curriculum.
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 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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».