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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».