Learning beyond the lecture room: Do placements help students learn about themselves and for themselves?
Notice bibliographique
Résumé
Learning in the workplace, particularly through placements and internships, is increasingly recognised as a means to enhance and advance the skills, knowledge and competence that students develop in an academic setting (e.g. Bates, 2008; Boud & Falichikov, 2006; Costley, 2007; Crebert et al., 2004). However, the psychological outcomes of work integrated learning are not yet fully established and have also been contested by some (Allen & van der Velden, 2007). Aim. In this emerging area of research interest, the study aimed to determine whether differences in self-concept, self-efficacy, hope, and motivation exist between students who have taken part in a placement versus those who have not. Methodology. The following valid and reliable measures were collected, post placement, from a large sample (n=956) of undergraduate students: Trait Hope Scale (Snyder et al., 1991); Self-Description Questionnaire III (Marsh & O’Neill, 1984), a measure of self-concept; College Academic Self-Efficacy Scale (Owen & Froman, 1988); Motivated Strategies for Learning Questionnaire (Pintrich et al., 1993), a measure of study skills and motivation. The methodology utilised for this study was designed by Drysdale et al. at the University of Waterloo (Canada), who led an international comparative research study of which our study forms a part. Results. Students who participate in placements had significantly higher trait hope, agency, and lower test anxiety than their non-placement counterparts. However, there appeared no significant differences in the way in which placement and non-placement students approached their studies, in terms of study skills or the degree of procrastination reported.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,000 |
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.
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 tête enseignante, 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 ».