MétaCan
Menu
Retour à la cohorte
Enregistrement W2078634927 · doi:10.1021/ed300497g

Recording Tutorials To Increase Student Use and Incorporating Demonstrations To Engage Live Participants

2013· article· en· W2078634927 sur OpenAlexaffabout
Reuben Hudson, Kylie L. Luska

Notice bibliographique

RevueJournal of Chemical Education · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovations in Educational Methods
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésUploadComputer scienceMultimediaEvent (particle physics)Student engagementOnline learningMathematics educationWorld Wide WebPsychology

Résumé

récupéré en direct d'OpenAlex

High Resolution Image Download MS PowerPoint Slide Over the course of three semesters, the tutorials for introductory organic chemistry at McGill University evolved significantly with the input from student surveys. The tutorials changed from “chalk talks” in the first semester to a lecture capture format in the second in which PowerPoint slides, ink annotations, and associated audio were recorded, and uploaded online to be viewable by any student at any time. As expected, the later format reached more students, though fewer came in person to the live tutorial. In an effort to continue to reach as many students as possible, while at the same time providing a more engaging environment for students at the live event, the format changed once more. Demonstrations, discussions, and other personalized interactions not accessible online were incorporated in the third semester to provide a more meaningful experience for students physically present, without compromising the online content. This third tutorial format in the final semester did indeed encourage more students to come in person. Herein, we follow the evolution of these tutorials, discuss the impetus for changing formats, document student use (both online and in person) and conclude that lecture capture technology is an effective means of delivering optional course content and it can be effectively supplemented by demonstrations and other personalized interactions to reach students with different learning styles.

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)0,003
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0220,005

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 Opus0,092
Tête enseignante GPT0,452
Écart entre enseignants0,360 · 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'étudeObservationnel
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

Citations13
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical EducationMême sujetInnovations in Educational MethodsTravaux en français237 207