Notice bibliographique
Résumé
A bold commitment to EL positions UCalgary to be a leader in Canada, making learning-by-doing a cornerstone of the UCalgary experience.University of Calgary (2020) At the annual 2019 University of Calgary Conference on Postsecondary Learning and Teaching presenters and over 200 delegates shared their insights, experiences, and research on experiential learning (EL) in the classroom be it physical or virtual, a laboratory, clinical, field experience, or community placement.No matter the definition, perspective, or application of EL in higher education, this volume of Papers on Postsecondary Learning and Teaching (PPLT) expands on the conference theme of Exploring Experiential Learning and the commitment of the University of Calgary (2020).Dr. Norah McRae, the featured keynote speaker, began the discussion and set the stage for exploring experiential learning.She outlined models and a framework for work-integrated learning and challenged conference delegates to critically examine, explore, and expand on the scholarship and practice of teaching and experiential learning.This 4 th volume of PPLT contains 13 diverse papers from disciplines in archeology, business, chemistry, nursing, social work, and academic development.The authors each address the question "how do we transform education to spark curiosity, drive innovation and prepare students to thrive in their chosen careers?" (Conference on Postsecondary Learning and Teaching, 2019).While reading this volume, you will find various definitions, perspectives, and applications of EL including contributions from Rachel Braun, and Iffat Naeem and Fabiola E. Aparicio-Ting who set the EL landscape by introducing a definition of EL and offer both an institutional and graduate perspective of EL.Several authors present their work on game-based curriculum in EL and offer a range of activities from diverse disciplines (
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».