MétaCan
Menu
Retour à la cohorte
Enregistrement W2017614752 · doi:10.1177/1045159515573018

Learning at the Center

2015· article· en· W2017614752 sur OpenAlexaff
Lisa Prins, Ana Laura Pauchulo, Auralia Brooke, Joe Corrigan

Notice bibliographique

RevueAdult Learning · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Education and Learning Practices
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésGeneral partnershipAdult educationCurriculumPedagogyLearning communityCooperative learningAdult LearningProcess (computing)PsychologyExperiential learningSociologyKnowledge managementComputer scienceTeaching methodPolitical science

Résumé

récupéré en direct d'OpenAlex

We ask the reader to consider a proposal for cooperative renewal in the evaluation of a course (OurU) offered in partnership between a university and community-based adult learning center. This proposal’s aim is to enhance adult learners’ ability to evaluate their learning experiences, with the goal of adopting more learner-directed content into OurU’s curriculum. Drawing from instructional team members’ experiences in a diverse adult learning environment, the authors propose steps to develop a more holistic and dynamic approach to evaluation. In this snapshot of a course operating within the same budgetary realities familiar to others in the field, resourcing evaluation is a priority for developing a dynamic assessment evaluation model. This article is offered from the view that learning is a social process and community-based research and learning can be an organic connection place between universities and the communities they serve. This article is intended primarily for practitioners in community-based adult learning contexts seeking alternatives to course evaluation processes that situate learners at the process center, as well as academics interested in participating in partnering with community adult learning centers to strengthen adult learners’ evaluation and research capacity.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,126
Score d'incertitude au seuil0,420

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0090,003
Communication savante0,0110,008
Science ouverte0,0020,009
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,1260,023

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 Opus0,085
Tête enseignante GPT0,407
Écart entre enseignants0,321 · 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'étudeQualitatif
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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdult LearningMême sujetInnovative Education and Learning PracticesTravaux en français237 207