MétaCan
Menu
← Retour à la cohorte
Enregistrement W6960808383 · doi:10.14288/1.0308088

Students' challenges in service learning : a non-typical "good news" story

2016· article· en· W6960808383 sur OpenAlexaboutno aff

Notice bibliographique

RevuecIRcle (University of British Columbia) · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Mapping and Diversity in Plants and Animals
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésService-learningProcess (computing)Experiential learningService (business)Active learning (machine learning)Learning sciences

Résumé

récupéré en direct d'OpenAlex

Community Service-Learning (CSL) provides students with an opportunity to serve communities as well as to realize their specific academic learning objectives. While there are proven and consensual benefits of service learning for students, some outcomes, challenges and concerns that students may encounter during the learning process have seldom been discussed. Especially for international students who participate in service-learning programs in Canada, their voice is missing in current literature. The goal of this paper is to explore what are the challenges that students may experience within the CSL programs, and how do these discomfort moments serve as learning opportunities. The paper presents a concise introduction to CSL, an overview of literature about challenges of service learning associated with students, and an autobiography of the author’s CSL learning experience. The author uses Boler’s theory of “ pedagogy of discomfort” to analyze the journals and to conduct critical reflection. Although the conclusions are specific to the case reported here, the learning process may apply to other international students enrolled in CSL courses in Canada. Thus this paper will potentially contribute to filling the gap in existing literature.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,024
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0310,022
Communication savante0,0160,012
Science ouverte0,0030,010
Intégrité de la recherche0,0170,024
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,012
Tête enseignante GPT0,190
Écart entre enseignants0,178 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuecIRcle (University of British Columbia)→Même sujetGenetic Mapping and Diversity in Plants and Animals→Travaux en français237 207→