MétaCan
Menu
Retour à la cohorte
Enregistrement W4400931574 · doi:10.55016/ojs/pplt.v5y2022.72966

Unstable Ground: How Mentorship Altered Our View of Experiential and Active Education on Student Learning

2022· article· en· W4400931574 sur OpenAlexaff
Colleen Whidden, Carolyn Main

Notice bibliographique

RevuePapers on postsecondary learning and teaching. · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Practises and Engagement
Établissements canadiensMedicine Hat College
Organismes subventionnairesnon disponible
Mots-clésExperiential learningMentorshipActive learning (machine learning)Thematic analysisPedagogyPsychologyPeer mentoringInclusion (mineral)Peer learningMathematics educationQualitative researchMedical educationSociologyMedicineComputer scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

We, as two instructors in Business and Education, sought to explore the research question: is student learning impacted when instructors engage in peer-to-peer mentoring focused on improving understanding of experiential education and active learning in the post-secondary classroom? Within a sociological intrinsic case study framework, we began by defining experiential education, active learning, and peer-to-peer mentoring to situate if instructor interaction in this mentoring model impacts student learning. The data was triangulated for validity between academic literature, thematic coding of instructor/researcher writing, and student surveys. Results revealed that, even though instructors did find some challenges in implementing active learning in their classrooms, there was indication of an overall positive impact on student learning based on the inclusion of these pedagogies as discussed in peer-to-peer mentoring.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,627
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,338
Écart entre enseignants0,317 · 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'étudeQualitatif
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePapers on postsecondary learning and teaching.Même sujetHigher Education Practises and EngagementTravaux en français237 207