TRANSFORMING TEACHING AND LEARNING USING AN ACTIVE LEARNING APPROACH ACROSS AN ENTIRE RESEARCH INTENSIVE FACULTY OF PHARMACY AND PHARMACEUTICAL SCIENCES
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The conventional lecture has significant limitations, often leading to a passive learning experience for students. This abstract reports a process of transforming teaching and learning with active learning strategies in a research intensive Faculty of 45 academic staff and more than 1000 students. The pilot phase involved 9 staff who developed a common vision and principles. After refinement, an implementation phase involving 12 staff, including three from the pilot group, commenced within all first year subjects. Staff use of active learning strategies in classes increased by 6‐fold and 7‐fold in the pilot and implementation phases respectively. Analysis of exam questions indicated that staff increased their use of questions addressing higher order cognitive skills by 42% (pilot phase) and 51% (implementation phase), compared to exams produced prior to the approach. After the pilot phase, only 3 out of 9 staff agreed that they “understood “what makes for an effective active learning exercise”, which rose to 7 out of 9 staff at the completion of the implementation phase. Deliberate engagement with the student body was effective in overcoming much of the initial resistance to change expressed by students: 53% of students felt they “learnt better” in traditional lectures than with active learning during the pilot phase, and this proportion fell to 34% in year one of implementation and 15% in year two. The development of an explicit, common approach and the evaluation and refinement of active learning approaches were effective elements of our transformational change management strategy.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,058 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,003 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle