MétaCan
Menu
Retour à la cohorte
Enregistrement W4400700038 · doi:10.4324/9781032715544-17

Work-Integrated Learning (WIL)

2024· book-chapter· en· W4400700038 sur OpenAlexaboutno aff
Lisa Hodge, Jennie Briese, Heather McIntyre, Christine Morley, Tina Kostecki, Esther Gounder, Ruth Edwards

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueHigher Education and Employability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWork (physics)EngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Emerging literature critiques the current Australian model of work-integrated learning (WIL), as it poses a major barrier to students’ study success, including withdrawing from the degree. Other countries such as the United Kingdom (UK) and Canada have similar requirements with implications for study retention. Research highlights the financial burden for students undertaking these lengthy unpaid placements, including the cost of accommodation, inability to continue part-time work and the cost of travel. Yet little is known about Regional and Remote Area (RRA) and Australian First Nations students’ experiences. Moreover, the authors argue a lack of culturally safe practices, limited allowance for the time needed for community obligations such as attending ceremonies, or family and cultural events, and dominant Westernised approaches that perpetuate racism for Indigenous students may be barriers to study success. Drawing from Postmodern and Critical Theory, Indigenous Standpoint Theory, Insider-Outsider perspectives, and Black Feminism, we present data obtained from interviews with RRA and Australian First Nations Social Work students at three Australian universities. The findings provide an in-depth understanding of the stressors surrounding WIL for RRA and First Nations students and identify ways to better support and retain students through inclusive and sustainable pathways to participation in placements.

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 consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,894
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0450,011

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 Opus0,041
Tête enseignante GPT0,331
Écart entre enseignants0,290 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHigher Education and EmployabilityTravaux en français237 207