Using “Concept Sorting” to Study Learning Processes and Outcomes
Notice bibliographique
Résumé
PURPOSE: First, to evaluate "concept sorting" as a tool for assessing knowledge organization in the memories of first-year medical students, and second, to study the relationship between knowledge organization and examination performance. METHOD: During 2001, first-year medical students taking the Renal Course at the University of Calgary Faculty of Medicine were given a questionnaire on scheme use and were given a concept-sorting task in the domain of metabolic alkalosis. The sophistication of their concept sorting was graded using the number of physiology-based groups they formed. Review of the course's examination scores allowed correlation with concept-sorting scores. Statistical analyses used Fisher's exact test and the two-sample t-test. Pearson's correlation coefficient and the kappa statistic were used for correlation between raters. RESULTS: A total of 81 of 99 students completed the study. The concept-sorting score (mean +/- SEM) for students who used the scheme was higher than was the score for students who did not (2.5 +/- 0.14 versus 1.91 +/- 0.12, p =.016). Students who scored higher in the concept-sorting task, referred to as "deep learners," scored higher than did "surface learners" on exam questions on metabolic alkalosis (2.81 versus 2.29, p =.02). There was no difference in the overall examination performances between the two groups. CONCLUSIONS: Concept sorting may be a useful tool for studying the learning process. Scheme use by students produces a positive outcome on examination performance.
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 | 0,001 | 0,008 |
| 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 | 0,001 | 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) | 0,001 | 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 ».