Reimagining Student Success through Engagement and Soft Outcomes: Learning from a Capstone Course in a Canadian Polytechnic
Notice bibliographique
Résumé
This paper uses a capstone class in the bachelor of technology program at Northern Alberta Institute of Technology (Canada) as a case study for reimagining a “successful” student and promoting growth in a variety of learners. In this course, students, guided by faculty advisors, work in teams to address real-world projects solicited by individuals or organizations. Over two years, feedback was gathered through interviews and surveys with graduating students and alumni to identify opportunities for improvement and to gain deeper insight into students’ learning experiences. The authors analyze these responses through the lens of scholarship of teaching and learning (SoTL), particularly through literature on soft outcomes. In comparison to hard outcomes like grades or completing a degree, soft outcomes capture student advancement toward the goals of a particular course and can include interpersonal, organizational, and internal development. Ultimately, we conclude that our course promotes students’ progress toward soft outcomes through their relationships with their project sponsors, instructors, and teammates. Our findings emphasize the importance of fostering students’ social, emotional, and personal growth and suggest that the students who might be perceived as low-achieving can still advance as much on their learning journey as the ones who would be traditionally lauded as high-achieving. We align our findings with scholarship that investigates students’ emotional growth and wellbeing, which can be difficult amidst pedagogy, research, and government policy that define the value of post-secondary education primarily in terms of its ability to prepare students for the job market. This paper reframes what being a successful student means, contributes to a wider body of research on soft outcomes, and provides valuable insight for educators and researchers who are invested in students’ engagement.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,005 |
| Communication savante | 0,007 | 0,001 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».