MétaCan
Menu
Retour à la cohorte
Enregistrement W2068558342 · doi:10.1126/science.333.6047.1221

Response—Education Research: Set a High Bar

2011· article· en· W2068558342 sur OpenAlexaff
Louis Deslauriers, Carl Wieman

Notice bibliographique

RevueScience · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Teaching Methods
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAttritionAttendanceContext (archaeology)Test (biology)Mathematics educationSet (abstract data type)Class (philosophy)PsychologyConfoundingComputer scienceMathematicsStatisticsMedicinePolitical scienceHistory

Résumé

récupéré en direct d'OpenAlex

Torgerson and Derting et al. 's concerns may be the result of the difference in publication styles between hard sciences and education research literature. Education publications are largely self-contained, whereas research papers in hard science journals present results in a condensed form, requiring readers to be familiar with the relevant literature to fully appreciate the paper. Torgerson and Derting et al. would like to apply experimental design expectations for research in K-12 classes to research in introductory science classes at large universities. However, these practices often are neither necessary nor useful in this context. It is well documented that the student characteristics in a large introductory university science course are remarkably consistent over time [e.g., ([ 1 ][1], [ 2 ][2])]. Barring a change in admissions standards, an introductory science course will have the same very limited and well-characterized slice of the population each year. The teacher content mastery is also uniformly high. The large class sizes further reduce the variability across sections. The number and influence of confounding variables is therefore low relative to the K-12 setting. This makes randomized control trials unnecessary in this setting, particularly if there are relevant pretreatment measures of student performance (as in Table 1). Torgerson raises the possibility of attrition bias. To clarify, the numbers did not reflect attrition, but rather a continuation of the attendance patterns displayed in the previous weeks. The number of students who took the test was consistent with data on previous attendance; in both sections students who took the test had higher overall attendance and higher average midterm scores than those who did not take the test. Both Letters raise concerns that we did not consider how the “teacher effect” might affect our results. References 1, 2, 5, and 10 in our Report show that the characteristics of teachers, other than the pedagogy they use, have little impact on the amount of learning in introductory physics courses. The pretreatment data on the two sections (Table 1) further supports this assertion. Derting et al. argue that well-designed studies must use “validated assessment tools.” Although there is value in using such instruments where possible, we strongly disagree with such a sweeping assertion. First, this would constrain science education research to an extremely small number of topics for which such instruments exist. Second, there is great value in research that demonstrates to faculty members that, by teaching differently, they can help their students perform better on the tests they already use. Finally, we are troubled by the lack of concern with ethical issues in the calls for this study to be replicated in other classrooms before the results can be accepted. This experiment involved real students in a real course. Given the results, we concluded that any student in the control group of such a replication experiment would suffer very real harm to their education. 1. [↵][3]1. E. F. Redish, 2. P. J. Cooney 1. C. Crouch, 2. J. Watkins, 3. A. P. Fagen, 4. E. Mazur , in Research-Based Reform of University Physics, Vol. 1, E. F. Redish, P. J. Cooney , Eds. (American Association of Physics Teachers, College Park, MD, 2007); [www.compadre.org/Repository/document/ServeFile.cfm?ID=4990&DocID=241][4]. 2. [↵][5]1. L. Ding, 2. N. W. Reay, 3. A. Lee, 4. L. Bao , Phys. Rev. ST Phys. Educ. Res. 4, 010112 (2008). [OpenUrl][6][CrossRef][7] [1]: #ref-1 [2]: #ref-2 [3]: #xref-ref-1-1 View reference 1 in text [4]: http://www.compadre.org/Repository/document/ServeFile.cfm?ID=4990&DocID=241 [5]: #xref-ref-2-1 View reference 2 in text [6]: {openurl}?query=rft.jtitle%253DPhys.%2BRev.%2BST%2BPhys.%2BEduc.%2BRes.%26rft.volume%253D4%26rft.spage%253D010112%26rft_id%253Dinfo%253Adoi%252F10.1103%252FPhysRevSTPER.4.010112%26rft.genre%253Darticle%26rft_val_fmt%253Dinfo%253Aofi%252Ffmt%253Akev%253Amtx%253Ajournal%26ctx_ver%253DZ39.88-2004%26url_ver%253DZ39.88-2004%26url_ctx_fmt%253Dinfo%253Aofi%252Ffmt%253Akev%253Amtx%253Actx [7]: /lookup/external-ref?access_num=10.1103/PhysRevSTPER.4.010112&link_type=DOI

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)0,037
score de la tête « metaresearch » (Gemma)0,181
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,963
Score d'incertitude au seuil0,196

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0370,181
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0100,006
Communication savante0,0100,007
Science ouverte0,0040,013
Intégrité de la recherche0,0640,036
Charge utile insuffisante (le modèle a refusé de juger)0,0550,026

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 Opus0,487
Tête enseignante GPT0,568
Écart entre enseignants0,082 · 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.

Devis d'étudeSans objet
DomaineMéthodes
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScienceMême sujetInnovative Teaching MethodsTravaux en français237 207