MétaCan
Menu
Retour à la cohorte
Enregistrement W164358321 · doi:10.1096/fasebj.24.1_supplement.633.1

Legacy TRIPSEs (Tri‐Partite Problem‐Solving Exercises): Fostering Student Engagement and Learning in Large Classes

2010· article· en· W164358321 sur OpenAlexaff
P. K. Rangachari, Stash Nastos

Notice bibliographique

RevueThe FASEB Journal · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueBiomedical and Engineering Education
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésCreativityInterimCLARITYClass (philosophy)Mathematics educationRelevance (law)PsychologyProcess (computing)Computer scienceSocial psychologyArtificial intelligenceBiology

Résumé

récupéré en direct d'OpenAlex

The TRIPSE is a process‐oriented problem solving exercise that mimics the scientific process. Using limited data, students: 1) frame hypotheses; 2) design experimental tests; and 3) later with new information, reassess answers. Earlier we validated it as an evaluative exercise in a large class (The FASEB Journal. 2008; 22:767.1). We report here the use of TRIPSEs to promote student engagement and learning in a freshmen introductory biology class. In part 1, students learned about gene expression and cell signaling. In part 2, students (groups of 5) incorporated elements of what they had learned into designing novel problems that could be left as a “legacy” for future classes. Groups were told to: 1) write challenging problems based on published material; 2) state 4 plausible hypotheses and for each hypothesis indicate appropriate experimental tests; and 3) provide annotated references. Interim feedback was given. Groups were assessed on clarity, creativity, plausibility of hypotheses, relevance of the experiments proposed and corroboration for statements made. On an exit survey, a total of 322 students from 2 separate years rated this exercise the most valuable amongst several used.

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)0,005
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,007
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,018
Tête enseignante GPT0,253
Écart entre enseignants0,235 · 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'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

Citations4
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetBiomedical and Engineering EducationTravaux en français237 207