The experiences of disabled and neurodiverse Ph.D. students in LIS programs during the COVID-19 pandemic: Weathering the storm1
Notice bibliographique
Résumé
Amid the growing body of research on disability and neurodiversity, disabled and neurodiverse Ph.D. students are not often in the focus, despite the fact that Ph.D. students occupy a unique position of a learner-scholar-teacher in academia. A particular gap is felt in the field of Library & Information Science (LIS). This study stands to address this gap by focusing on the experiences of disabled and neurodiverse Ph.D. students in American and Canadian LIS Programs during the COVID-19 pandemic and in its immediate aftermath. Guided by the Holistic Empowering Methodological Approach (HEMA) that puts participants in the driver’s seat and allows them to determine the nature and extent of participation, the study spotlights participants’ experiences during the remote learning and returning to campus phases of the lingering public health crisis. The findings show that while there was a fair balance of positive and negative experiences during the earlier stage of the pandemic, the stage of returning to campus was associated with additional challenges and an overwhelming number of negative experiences. The article addresses personal, program-related, and environmental factors in both positive and negative experiences, using the findings as a basis for conclusions and recommendations to Ph.D. program administrators and faculty.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,026 | 0,018 |
| Communication savante | 0,010 | 0,004 |
| Science ouverte | 0,002 | 0,017 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».