Institutional collaborations to support undergraduate research as experiential learning
Notice bibliographique
Résumé
Changing a campus culture to have experiential learning become essential to the student experience requires extensive buy-in and support from the campus community (Stowe & O'Connell, 2022). The Office of Experiential Learning at the University of Calgary supports experiential learning institutionally, with a bold target of all students having at least two high-quality experiential learning opportunities during their academic studies (Kaipainen et al., 2020). At UCalgary, a large, research-intensive institution, undergraduate research is a signature form of experiential learning where students engage in hands-on research in collaboration with researchers. There are numerous benefits to students participating in research (for example, see Lopatto et al., 2020); however, a lack of incentives and training can limit faculty members' willingness to engage in pedagogical change (Brownell and Tanner 2017). In this panel discussion, we will describe the landscape and context of undergraduate research at UCalgary, programming that has supported more than 3500 students engaging in research initiatives over the last three years, and institutional-level collaborations that have facilitated a culture shift, increasing undergraduate research in curricular and co-curricular experiences. As a vital part of our work, we will describe extensive research to understand barriers to accessing experiential learning opportunities for deserving equity groups and ameliorative actions we have taken as a campus to increase accessibility (Stowe et al., 2022). Finally, we will discuss the challenges and successes faced in expanding undergraduate research and experiential learning opportunities in our context institutionally and explore with participants how our experiences may translate to other institutional contexts.
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 | 0,031 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,005 |
| Communication savante | 0,013 | 0,009 |
| Science ouverte | 0,004 | 0,036 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,058 | 0,018 |
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 ».