Inciting Change Makers in an Online Community Engaged Learning Environment During Pandemic Restrictions: Lessons from a Disability Studies and Community Rehabilitation Program
Notice bibliographique
Résumé
This practice-based article presents strategies employed in the shifting of the Community Engaged Learning (CEL) components of an undergraduate program in community rehabilitation and disability studies (CRDS) to an online modality during the 2020-2021 Covid-19 restrictions. The CRDS program, based in Calgary, Canada places high importance on CEL with a focus on critical engagement, mentorship, and community action for social justice. The Inciting Change Makers (ICM) framework, which we present here, is foundational to our teaching and learning in this field. During the pandemic restrictions, we found the framework not only supported us to engage learners in our focus areas for inciting change, but also provided the opportunity to consider ways that the online learning environment enhanced the CEL practica experience. Using vignettes, we demonstrate the successful use of the ICM framework in an online CEL context to develop a more authentic, engaged and inclusive community of learners. Three vignettes illustrate specific approaches used to carry out meaningful, impactful CEL opportunities in a mandated online environment. Lessons from these strategies may assist similar programs in adapting their own Community Engaged Learning programs in an increasingly online world.
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 | 0,008 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,006 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».