Peer Review as an Active Learning Strategy in a Large First Year Course
Notice bibliographique
Résumé
Peer-review of writing is an instructional strategy used to develop students’ critical thinking skills, writing competence and as a way of engaging students as active agents in their learning process [1,3,4]. In the Fall 2013 semester, two peer-review assignments were introduced in a compulsory first year engineering course, Introduction to the Engineering Profession, taken by nearly 500 students (in two sections). The objectives of the peer-review assignments were two-fold: (1) to help improve students’ writing by providing them with constructive criticism and feedback and (2) to develop students’ critical thinking and editing skills. Using a rubric provided by the instructor, students were asked to evaluate their peers’ written assignments in three categories: overall presentation, clarity and coherence (organization), and justification/explanation of the topic being discussed/analyzed. One assignment addressed the inter-disciplinary nature of the engineering profession while the second focused on making ethical decisions. Evaluators were required to justify the score given in each category, as well as to provide a short written comment on the paper as a whole. At the end of term, a class survey was conducted where students reflected on the peer review assignment from a learning perspective. This study presents the results of an analysis of those reflections. Overall, students and the instructor valued this instructional approach. Implications of this type of instructional strategy for undergraduate engineering education are also discussed.
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 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 | 0,002 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».