COIL PROJECTS AS A MEANS TO FOSTER COLLABORATIVE WORK IN THE PROFESSIONS
Notice bibliographique
Résumé
Collaborative Online International Learning (COIL) projects aim at achieving a common goal through teamwork and cooperation.Collaborative skills are among the top soft skills employers want from their employees.COIL as a teaching and learning method develops reflexivity skills since at the core of a COIL experience students are asked to examine their own reactions and motives to face specific course contents (such as ways to feel about and act to find solutions for social and environmental issues).Likewise, instructors face the challenge of imparting awareness leading to cultural shifts creating spaces where students discuss and analyse how different groups think or act in the same situation.This particular COIL experience brought together two universities, one located in Canada and the other in Spain, both including students from different ethnic and cultural provenance.COIL is a learning process that integrates different skills and attitudes to succeed in the workplace of the future.Among these skills, problem-solving, intercultural skills and collaboration skills are key to COIL projects.This paper reports on a COIL project focusing on the United Nations' Sustainable Development Goal 13 (SDG13) with two student cohorts, one focused on criminology and security studies and the other on sociology and critical thinking.This paper shows how 21st-century skills are developed in online collaboration and how they may be seen as a step towards achieving intercultural and soft skills in a professional collaborative environment.The project engaged students in discussions and debates about contemporary environmental and community issues, climate change/climate crisis, food security/urban development, the relationship between environmental problems and marginalization/exclusion, and racial discrimination.
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 | 0,007 | 0,012 |
| 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 | 0,006 | 0,004 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,019 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 ».