MétaCan
Menu
Retour à la cohorte
Enregistrement W1757849606

The Impact of Problem-Based Learning in an Interdisciplinary First-Year Program on Student Learning Behaviour.

2007· article· en· W1757849606 sur OpenAlexvenueaboutno aff
Jacqueline Murray, Alastair J. S. Summerlee

Notice bibliographique

RevueCanadian Journal of Higher Education · 2007
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueProblem and Project Based Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStudent engagementOddsHigher educationPsychologyMedical educationPersistence (discontinuity)Problem-based learningQuality (philosophy)Empirical evidenceMathematics educationPedagogyPolitical scienceMedicineLogistic regression
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Canadian universities are struggling to address seemingly contradictory challenges pertaining to undergraduate education: high demand and underfunding. A number of instruments, including the National Survey of Student Engagement (National Survey of Student Engagement, n.d.), have led to greater priority being placed on the undergraduate experience. Yet, strategies to ensure student satisfaction with their education, through initiatives such as small classes and personal contact with faculty, seem at odds with the large classes necessitated by fi scal imperatives. We carried out a systematic investigation of the impact of one problem-based learning course on fi rst year students’ experiences. We also investigated the persistence of skills and attitudes learned in this single exposure to problem-based learning. The results of our investigation show that this course had very positive effects on the immediate and persistent behaviours of students. Our research provides empirical evidence of the effectiveness of problem-based learning and leads us to suggest how a problem-based approach might help universities enhance the quality of education and the undergraduate experience.

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)0,003
score de la tête « metaresearch » (Gemma)0,012
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,154

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,020
Tête enseignante GPT0,411
Écart entre enseignants0,391 · 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

Citations44
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Higher EducationMême sujetProblem and Project Based LearningTravaux en français237 207