MétaCan
Menu
Retour à la cohorte
Enregistrement W7163521906 · doi:10.1177/174183051000800108

Motivation of paid peer mentors and unpaid peer helpers in higher education

2010· article· en· W7163521906 sur OpenAlexaffabout
Jenepher Lennox Terrion, Dominique Leonard

Notice bibliographique

RevueInternational journal of evidence based coaching and mentoring · 2010
Typearticle
Langueen
DomainePsychology
ThématiqueMentoring and Academic Development
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPaymentHigher educationPeer mentoringPeer groupPeer effectsPeer reviewFunction (biology)Publishing

Résumé

récupéré en direct d'OpenAlex

While considerable research supports the use of peer mentoring to improve academic performance and decrease student attrition, few studies have examined the motives of peer mentors to take on this role and less clear are distinctions in peer mentor motivation in paid versus unpaid settings. Using semi-structured interviews, this study explored the motivations of student peer mentors in voluntary and paid peer mentoring services at the University of Ottawa, Canada. The findings showed that both paid and unpaid mentors reported being motivated by self-oriented reasons, such as learning about themselves and fulfillment, but that paid mentors were primarily motivated by generativity, or the desire to help young people, while volunteer peer helpers reported being highly motivated to fulfill social needs. This research helps shed light on the impact of payment on motivation to perform the mentoring function and on the communication strategies which may be used to attract student mentors to this position.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,345

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,105
Tête enseignante GPT0,384
Écart entre enseignants0,279 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational journal of evidence based coaching and mentoringMême sujetMentoring and Academic DevelopmentTravaux en français237 207