MétaCan
Menu
Retour à la cohorte
Enregistrement W4415999930 · doi:10.5465/amproc.2025.12625poster

How Career-Relevant Problem Based Learning in a Virtual Environment Can Improve Student Writing

2025· article· en· W4415999930 sur OpenAlexaff
Phanikiran Radhakrishnan, Joe Hoang, Douglas Ross Taylor-Munro

Notice bibliographique

RevueAcademy of Management Proceedings · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSalaryNegotiationProblem-based learningVirtual learning environmentProfessional writingLanguage acquisitionVirtual machineEducational technology

Résumé

récupéré en direct d'OpenAlex

Writing proficiency is critical for management professionals but is often underemphasized in business curricula. We examine how career problem-based learning (CPBL) activities, like salary negotiations and career-pitches, enhanced management students’ writing competencies. Undergraduate business students (N=156) engaged in CPBL activities designed to mimic real-world scenarios and received targeted feedback, incentives, and practice opportunities. We evaluated improvements in writing by using instructor grades and metrics inferred from a dictionary derived from a large language model (Linguistic Inquiry and Word Count, LIWC, 2022). We found that students used more descriptive, definitional, argumentative, insightful, and analytical language and less alluring language by the end of the semester. Overall, role-playing and weekly writing activities significantly improved the writing skills of management students. The results and course design highlight the potential of CPBL activities in integrating skill-based learning with career-oriented activities to enable them to succeed in their professional lives.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,887
Score d'incertitude au seuil0,991

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,015
Tête enseignante GPT0,247
Écart entre enseignants0,232 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetDiscourse Analysis in Language StudiesTravaux en français237 207