MétaCan
Menu
Retour à la cohorte
Enregistrement W4416768289 · doi:10.26522/brocked.v34i2.1254

Reinvigorating the Notion of Becoming “Scholars Before Researchers”: Experiences With Systematic Literature Reviews

2025· article· en· W4416768289 sur OpenAlexaffvenue
John Freer, Brandon M. Sabourin, Cam Cobb

Notice bibliographique

RevueBrock Education Journal · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDoctoral Education Challenges and Solutions
Établissements canadiensUniversity of WindsorSt. Clair College
Organismes subventionnairesnon disponible
Mots-clésCourseworkRelation (database)Systematic reviewField (mathematics)Component (thermodynamics)

Résumé

récupéré en direct d'OpenAlex

Systematic literature reviews (SLRs) present scholars with an opportunity to develop deep conceptual and methodological understanding of their field of interest. Unfortunately, this skill is not necessarily a compulsory component of one’s formal graduate training. In this paper, we have storied our lived experiences with SLRs in the form of 13 vignettes. These vignettes were created from a series of open-ended questions that were developed from continued engagement with 10 articles, which were foundational in our own teaching and learning of the SLR method. A content analysis of the vignettes revealed five inter-related themes: (1) Rigor, (2) Process, (3) Benefits, (4) Learning, and (5) Teaching. Each of these five themes are discussed in relation to recollections of our experiences with SLRs. We provide recommendations for engagement with the SLR method with the goal of empowering researchers, professors, and students to explore its use in postsecondary coursework and research activities.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,130
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,215
Tête enseignante GPT0,549
Écart entre enseignants0,334 · 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBrock Education JournalMême sujetDoctoral Education Challenges and SolutionsTravaux en français237 207