Experiences with Experiential Learning: Learning from Our Own Experiential and Conceptual Insights
Notice bibliographique
Résumé
Universities have been moving for decades toward experiential learning, evidenced by the rise of co-operative education programs, study abroad, and the integration of community partners into university course projects. Yet, experiential learning can also be enacted by faculty and students on a smaller scale. Immersing students into new experiences is an excellent base for learning, but it must be supported by other learning elements as well (e.g., critical reflection, integration with abstract concepts, application of new insights). According to experiential learning theory, it is the process of navigating dialectical tensions in connecting and transforming insights from both experience (feeling) and thinking (abstract concepts) that lies at the heart of learning. The experiencing and applying aspects of the learning cycle can be accomplished in many different ways, as can the reflection and thinking aspects of the cycle, and the process of moving through all four modes can be supported by faculty who can flexibly adapt and join students in a learning journey. In this SOTL conversation, we, a mature student with rich life experiences and diverse educational experiences (Linda) and a faculty member educated in experiential learning theory (Tiffany), explore some of our own experiences enacting experiential learning and reflect on what we’ve found contributes to an integrative learning experience. Along the way, we discuss our views on how emotional and social intelligence competencies can support the learning process.
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 | 0,009 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,028 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,002 | 0,014 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».