Notice bibliographique
Résumé
This podcast is an interview between Outstanding Scholar Student Laila Albalkhi and Outstanding Scholar Coordinator Tim Brunet. Learn about the practice of auto ethnography and why Outstanding Scholars will have an opportunity to do research while on exchange. Laila Albalkhi, Deborah Laze, and Samantha Blackwell have begun constructing autoethnography exercises and resources. No autoethnographies will begin until it received Research Ethics Board clearance. Abstract: This paper provides both pedagogical exercises and an autoethnography methodology for university students on exchange. This project was developed with the Coordinator of the Outstanding Scholars program and three Outstanding Scholar Students at the University of Windsor. The Outstanding Scholars program is an elite academic program for high-achieving and community-engaged students who complete six paid research placements during their undergraduate studies. Students in the program can complete an international exchange and use this autoethnography framework for paid placementsduring their exchange. This paper introduces the practice of autoethnography, proposes research activities, provides standard operating procedures, publishes pedagogical exercises, declares research methodology, provides the project's scope, lists limitations, and suggests generative opportunities for further development. This autoethnography initiative is part of a larger pedagogical framework informed by the Capability Approach and the University of Windsor’s UWill Discover Sustainable Futures project. This paper offers vetted research activities where students think critically about their interpersonal communications before, during and after their exchange. Students can complete the assignment as a pedagogical exercise, publish their work in an agreed upon journal, or develop new exercises for the project. The paper includes sample exercises for students.
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 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,012 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,005 |
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 ».