A Review of Internship Opportunities in Online Learning: Building a New Conceptual Framework for a Self-regulated Internship in Hospitality.
Bibliographic record
Abstract
The primary purpose of the article was to examine best practices in hospitality internships and apply them to build a framework for an innovative approach to online internships. In recent years, the literature is increasingly more focused on online internships and their value to students in different disciplines (Bayerlein 2015, DeWitt & Rogers 2009, Goldsmith & Martin 2009, Kruse, et al. 2013, Pike 2015, Weible & McClure 2015). Learning the ins and outs of an industry virtually, using contemporary internships methods strengthens the student’s expertise and better prepares them for future workplace environments. This article examines the best practices in online internships to develop a new conceptual framework for a self-regulated internship in hospitality. Résumé Le but premier de l’article était de construire un cadre favorable à une approche innovante des stages en ligne après avoir examiné les meilleures pratiques dans les stages d’hôtellerie. Apprendre à connaître virtuellement les moindres détails d’une industrie en utilisant des méthodes contemporaines de stage renforce l’expertise des étudiants et favorise leur préparation à leurs futurs environnements de travail. Des chercheurs font ressortir l’intérêt de la composante virtuelle de l’expérience de stage, pourtant, aucun d’entre eux n’a établi de lien entre l’expérience réalisée en ligne et celle conduite sur le terrain. Les modèles traitant de l’apprentissage autorégulé comme ceux existants à propos des stages virtuels n’intègrent pas de composante prenant en compte le terrain. Les cadres existant sur les stages dans l’hôtellerie n’intègrent pas d’éléments en formation à distance. L’accroissement des stages virtuels est propice au développement de la confiance des étudiants ainsi qu’à l’établissement de relations et de liens avec leur expérience réelle sur leur lieu de travail. De plus, les expériences sur le terrain peuvent être plus importantes pour les étudiants en ligne lorsqu’ils sont diplômés et prennent part à la population active. Ainsi, un nouveau cadre devait être créé pour associer la formation à distance avec les stages sur le terrain dans l’industrie hôtelière. Les écoles utilisant ce modèle offriront aux étudiants une expérience précieuse et leur permettront de développer différentes compétences et de gagner en confiance et professionnalisme pour chercher et trouver un stage qui corresponde à leur passion.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.004 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".