Community-university engagement in Canada : boundary spanner practice
Notice bibliographique
Résumé
Historically, public universities have played a role in the development of society through the creation and sharing of knowledge and upholding democratic values. In recent decades, governments and the public have looked to universities to help drive economic prosperity and address the complex issues plaguing society (Benneworth, 2016; Fisher et al., 2006). This has been accompanied by declining base funding from provincial governments in Canada. The result has been an expansion of universities’ traditional purposes and roles to include their engagement with social and economic communities outside the university while also seeking ways to increase revenues. This research examines the practice of community-university engagement (CUE) in Canada by identifying existing tensions and contributions of CUE practitioners identified as “boundary spanners.” I took a qualitative research approach to this study, utilizing three sources of data: interviews with boundary spanners across Canada, reflective essays outlining their path to their positions, and key university documents articulating their values and place in society. My analysis involved a comparison of values, attitudes, and beliefs between boundary spanners and their institutions focusing on the purposes and roles of public universities in society, CUE practice, and the utility of formal evaluation of CUE practice. I draw upon the institutional logics perspective, as well as literature on boundary spanners and CUE, to understand and articulate the factors and dynamics that characterize their environment of practice. This research uncovers points of tension regarding the role of public universities, the place of CUE practice, and the ways in which formal evaluation responds to calls for accountability. Understanding the complexity and dynamics of CUE practice contributes to understanding institutional processes and to the creation of new imaginaries for higher education.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,054 | 0,031 |
| Communication savante | 0,015 | 0,005 |
| Science ouverte | 0,004 | 0,019 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 source (Gemma direct ou Codex distillé), 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 ».