Application of Matrix Outcome Mapping to Constructively Align Program Outcomes and Course Outcomes in Higher Education
Notice bibliographique
Résumé
Establishing a link between Course Learning Outcomes (LOs) and Program Outcomes (POs) while assessing thecourse contents and delivery are among the most challenging issues in Higher Education. In the present studytwo forms were generated based on specific Course Learning Outcomes identified in the syllabus at thebeginning of the teaching term: a Student outcome evaluation form and a Faculty outcome evaluation form. Theobjective is was to assess if the outcomes specified in the syllabus are being delivered and are being deliveredthroughout the term. At the end of the semester, a student survey was given to students to evaluate the courseoutcomes. In addition, the faculty evaluated the course outcomes. A matrix was developed mapping the results ofthe student, the faculty and each assessment contributing to the specified outcome, all are on a similar scale. Amapped matrix was then generated based on the results. The results from the mapped Matrix pinpoint whichassignment contributed to the specified outcome, and show the gaps between the student evaluation and facultyevaluation. All data and results are set within a dashboard. The Dashboard is used as a tool to help see whereimprovements are needed, whether an assessment has contributed to the LOs or not and how much hascontributed to the PO, thus constructively aligning POs and LOs with continuous improvement as a focus.
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 | 0,000 | 0,000 |
| 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 ».