MétaCan
Menu
Retour à la cohorte
Enregistrement W4400651316 · doi:10.1080/03601277.2024.2379628

A thematic analysis of social work students’ assignments of reflection on interviews with older adults

2024· article· en· W4400651316 sur OpenAlexaffabout
Lun Li, Yeonjung Lee

Notice bibliographique

RevueEducational Gerontology · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueAging and Gerontology Research
Établissements canadiensUniversity of CalgaryMacEwan University
Organismes subventionnairesnon disponible
Mots-clésThematic analysisPsychologyReflection (computer programming)Qualitative researchWork (physics)GerontologyMedical educationPedagogySociologyMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

There is an increasing need of gerontological education in social work to enhance the knowledge of aging and interests in senior care among students. This study is conducted based on an experiential-learning strategy with a combination of having an ethnographic interview with an older adult and writing a reflection paper afterward as an assignment embedded in a Gerontology course of the Bachelor of Social Work program in western Canada. Thematic analysis was applied to eight reflection papers in which a consent was obtained from 2020 to 2021 cohorts of social work students. Three key themes emerged: connection between learned knowledge and interview topics, resonation interview content with personal experiences, and a positive perception of aging and a positive attitude toward working with aging populations. The findings support the combination of ethnographic interview and reflection paper as a pedagogical approach in gerontological education not only for improving students’ learning experience and knowledge but also for establishing a positive perception of aging and older adults. The study also reveals the necessity of more interaction between students and older adults to enhance a better understanding of aging-related issues and promote willingness to work with older adults.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,505
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,089
Tête enseignante GPT0,473
Écart entre enseignants0,384 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEducational GerontologyMême sujetAging and Gerontology ResearchTravaux en français237 207