MétaCan
Menu
Retour à la cohorte
Enregistrement W4414972045 · doi:10.1080/14767333.2025.2564594

Codevelopment action learning as a supervisory tool to support graduate students’ academic persistence

2025· article· en· W4414972045 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueAction Learning Research and Practice · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDoctoral Education Challenges and Solutions
Établissements canadiensUniversité du Québec à MontréalUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésAction learningPersistence (discontinuity)Action (physics)Experiential learningGraduate studentsActive learning (machine learning)

Résumé

récupéré en direct d'OpenAlex

A dyadic supervision model is traditionally used to support graduate students throughout their studies. While this model has many advantages, it can sometimes be insufficient. Graduate students report a need for spaces where they can discuss their projects, share experiences, and gain practical information on writing or other milestones in their academic journey. To address this need, a professor at the Université du Québec à Montréal (UQAM) implemented Codevelopment Action Learning (CAL) with her graduate students. This Account of Practice describes her experience preparing, organizing, and facilitating CAL sessions, while navigating the dual role of supervisor and facilitator. It also highlights how this initiative inspired a larger-scale project currently underway, involving more than a dozen CAL groups facilitated by graduate students and supported by two universities. The article concludes with reflections on CAL as a complement to dyadic supervision and as a promising tool for supporting graduate students’ academic persistence.

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.

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)0,008
score de la tête « metaresearch » (Gemma)0,018
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,545
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,005
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,781
Tête enseignante GPT0,686
Écart entre enseignants0,096 · 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