Blog Analysis: An Exploration of French Students’ Perceptions Towards Foreign Cultures During Their Overseas Internships
Notice bibliographique
Résumé
Increasingly, tourism and hospitality university programs in France include internships which add a vocational dimension to the academic aspects of the course. These internships a) provide exposure to real world professional situations, b) add market value to the student experience, and c) offer a foothold for employment. The field of blog research is increasing in an effort to understand the social and economic context and impact of blogs: however, most existing studies only provide insight into English-language content. This paper explores French tourism and hospitality undergraduate student blogs—completed during their 4-6 month internships outside of France—as a manifestation of their knowledge. Qualitative analyses by means of text mining of the students’ posts, was used to assess their experiences and perceptions. Utilizing content analysis, 28 blogs were examined with the aim of understanding blogs and blogging under the theoretical framework of cultural perceptions. Results demonstrated that these internship blogs provide rich and authentic feedback; the blogs facilitate student monitoring while allowing for a wide cross-section of readers to assess different destination-based student internship experiences. The results showed that the “image” students projected of their destinations were chiefly positive, yet tended to conform to their preconceived ideas of these places. This study underscores the importance of empathy and appreciation when working in foreign contexts, because even though student internships were located all over the world, a tendency to believe in stereotypes of peoples and places remained. The findings a) shed light into the process of perception transformation during overseas work placements, and b) have practical and methodological implications for researchers and educators who are see academic blogging as a teaching and learning tool.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».