Impact of Undergraduate Research Workshops on Sense of Belonging and Self-Efficacy based on Gender and Race
Notice bibliographique
Résumé
Motivation: There is a significant need for diverse voices in research, yet we observed that our CS department’s upper-year research programs were rarely pursued by students from diverse backgrounds. Thus, we developed the PRISM (Preparation for Research through Immersion, Skills, and Mentorship) program at our institution for second- and third-year undergraduate students. Objectives: As this is a new program (offered fully in-person for the first time in 2023), we wanted to measure how well the program fostered feelings of belongingness and self-efficacy in students, and collect general feedback about the program. Methods: Data was collected through online surveys completed at the beginning and end of the program consisting of: (1) scales measuring belongingness and self-efficacy in CS research, (2) open-ended questions about aspects of the program, and (3) a closed-ended question asking for an overall rating. Results: We found that while sense of belonging was not affected by the program, self-efficacy improved statistically significantly from the beginning to the end of the program, and the majority of students enjoyed the program based on their overall rating and positive feedback on the open-ended questions. Implications: The current structure of the program is generally liked by students and had a positive impact on student self-efficacy in CS research. Further research needs to be done on ways to re-structure the program to reach our goal of improving a feeling of belongingness in students.
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 | 0,002 | 0,001 |
| 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 | 0,000 | 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 ».