MétaCan
Menu
Retour à la cohorte
Enregistrement W4416912127 · doi:10.1080/03098265.2025.2593483

Grant writing training for undergraduate students: contributions to deeper learning and employability

2025· article· en· W4416912127 sur OpenAlexafffundabout
Helena Shilomboleni, Farah El-Shayeb

Notice bibliographique

RevueJournal of Geography in Higher Education · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDoctoral Education Challenges and Solutions
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesUniversity of Waterloo
Mots-clésEmployabilityTraining (meteorology)Higher educationGraduate studentsUndergraduate educationWork (physics)Grant writing

Résumé

récupéré en direct d'OpenAlex

Applied-based learning pedagogical tools, such as grant writing training, are increasingly recognized as important for the career growth of undergraduate students, particularly in environmental, social science and humanities degree programs. This paper presents research findings from a Canadian university study that assessed the impact of grant writing training implemented in a second-year geography course, covering topics on environment and development. Research findings show that the training enhanced student motivation and academic performance by offering real-world applicability and opportunities for deeper engagement with course topics. Many students also appreciated the practical skills they gained from this activity, such as budgeting and results-based management, which they deemed valuable for future careers in the public, non-profit, and policy sectors. However, some students were unable to fully grasp how grant writing training was related to their studies, which might be partly due to elements of the hidden curriculum. As the development of professional skills is just as important as disciplinary knowledge for employability, we encourage a stronger integration of the two into education curricula as well as efforts to nurture students’ self-awareness and agency to articulate these skills.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,071
Score d'incertitude au seuil0,470

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
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 Opus0,123
Tête enseignante GPT0,551
Écart entre enseignants0,428 · 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'étudeObservationnel
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'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Geography in Higher EducationMême sujetDoctoral Education Challenges and SolutionsTravaux en français237 207