MétaCan
Menu
Retour à la cohorte
Enregistrement W1983931739 · doi:10.3138/jvme.32.1.38

The Edinburgh Electronic Veterinary Curriculum: An Online Program-Wide Learning and Support Environment for Veterinary Education

2005· article· en· W1983931739 sur OpenAlexvenueno aff
Rachel Ellaway, Graham W. Pettigrew, Susan Rhind, David Dewhurst

Notice bibliographique

RevueJournal of Veterinary Medical Education · 2005
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWikis in Education and Collaboration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumFlexibility (engineering)NoticeComputer scienceMedical educationWorld Wide WebMedicinePsychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

The Edinburgh Electronic Veterinary Curriculum (EEVeC) is a purpose-built virtual learning support environment for the veterinary medicine program at the University of Edinburgh. It is Web based and adapted from a system developed for the human medical curriculum. It is built around a set of databases and learning objects and incorporates features such as course materials, personalized timetables, staff and student contact pages, a notice board, and discussion forums. The EEVeC also contains global or generic resources such as information on quality enhancement and research options. Many of these features contribute to the aim of building a learning community, but a challenge has been to introduce specific features that enhance student learning. One of these is a searchable lecture database in which learning activities such as quizzes and computer-aided learning exercises (CALs) can be embedded to supplement a synopsis of the lecture and address the key needs of integration and reinforcement of learning. Statistics of use indicate extensive student activity during evenings and weekends, with a pattern of increased usage over the years as more features become available and staff and students progressively engage with the system. An essential feature of EEVeC is its flexibility and the way in which it is evolving to meet the changing needs of the teaching program.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,984
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,039
Tête enseignante GPT0,417
Écart entre enseignants0,377 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations13
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Veterinary Medical EducationMême sujetWikis in Education and CollaborationTravaux en français237 207