Canine Theriogenology for Dog Enthusiasts: Teaching Methodology and Outcomes in a Massive Open Online Course (MOOC)
Notice bibliographique
Résumé
A massive open online course (MOOC) in canine theriogenology was offered for dog owners and breeders and for veterinary professionals as a partnership between the University of Minnesota and Coursera. The six-week course was composed of short video lectures, multiple-choice quizzes with instant feedback to assess understanding, weekly case studies with peer evaluation to promote integration of course materials, and discussion forums to promote participant interaction. Peak enrollment was 8,796 students. The grading policy for completion was strict and was upheld; completion rate for all participants was 7.5%. About 12% of participants achieved a grade of over 90% in the course, with those who had any deficiency mostly missing one quiz or assignment. Ninety-nine individuals were enrolled in a for-cost, credentialed pathway, and 50% of those individuals completed all required course components. Pre- and postcourse surveys were used to demonstrate that learning objectives were met by the participants and to identify that lack of time to commit to study was the biggest impediment to completion. Positive aspects of the course were active engagement by participants from all over the world and the ability of this university and instructor to reach those learners. Negative aspects concerned technical support and negative feedback from some participants who were unable to meet course requirements for reasons beyond the control of the instructor.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 ».