MétaCan
Menu
Retour à la cohorte
Enregistrement W1964102360 · doi:10.3109/01421590903480097

Student and teaching characteristics related to ratings of instruction in medical sciences graduate programs

2010· article· en· W1964102360 sur OpenAlexaffabout
Tyrone Donnon, Hilary Delver, Tanya Beran

Notice bibliographique

RevueMedical Teacher · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvaluation of Teaching Practices
Établissements canadiensUniversity of Calgary
Organismes subventionnairesOffice of Graduate Education, Massachusetts Institute of Technology
Mots-clésMedical educationGraduate studentsPsychologyMathematics educationMedicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Although the validity of students' ratings of instruction has been documented, several student and course characteristics may be related to the ratings students give their instructors. AIMS: The purpose of this study was to examine student ratings obtained from the Universal Student Ratings of Instruction (USRI) instrument. These responses were compared to various student characteristics. Also, teaching characteristics that were most closely associated with the ratings were determined. METHOD: A total of 1738 USRI forms were completed by graduate students enrolled in medical science courses from 1999 to 2006 in the Faculty of Medicine at a Canadian university. RESULTS: Between group comparisons showed that negative student perceptions about the course (i.e., did not have the freedom to select), perceiving the course workload as high, and low grade expectations held were related to negative student ratings of overall quality of instruction. In terms of the student and teaching characteristics, organization of course material and perceptions of whether students felt they learned a lot in the course were most closely related to global ratings of instructional quality. CONCLUSION: Implications for teaching focus on improving the organization and delivery of course content that meets the learning objectives of graduate students in medical sciences.

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)0,023
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 enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,124
Tête enseignante GPT0,477
Écart entre enseignants0,353 · 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

Citations29
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical TeacherMême sujetEvaluation of Teaching PracticesTravaux en français237 207