MétaCan
Menu
Retour à la cohorte
Enregistrement W2114882297 · doi:10.1039/c4rp00143e

How do students work through organic synthesis learning activities?

2014· article· en· W2114882297 sur OpenAlexaff
Alison B. Flynn

Notice bibliographique

RevueChemistry Education Research and Practice · 2014
Typearticle
Langueen
DomaineChemistry
ThématiqueVarious Chemistry Research Topics
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésThink aloud protocolRecallReputationHigher-order thinkingMathematics educationOrganic synthesisPsychologyChemistryTeaching methodComputer scienceOrganic chemistrySociologyCognitively Guided Instruction

Résumé

récupéré en direct d'OpenAlex

Organic chemistry has the long-standing reputation as a challenging course, and organic synthesis is an aspect of organic chemistry that requires students to make the most links between concepts and requires the highest order of thinking. One-on-one interviews were conducted with students from a second undergraduate organic chemistry course in which participants solved synthesis problems using a think aloud protocol. Those problems had been previously designed to scaffold students' acquisition of synthesis problem-solving skills. The research question for this study asked whether students worked through the synthesis learning activities as designed, toward the intended learning outcomes. The results show that in some questions, students used or tried to use desirable problem solving skills, such as using reaction mechanisms and chemical principles to explore possible solutions. However, with other question types, students (i) relied on familiarity with the reactions in question and lacked a problem-solving strategy when they could not recall the answer or (ii) avoided the purpose of the question and attempted to provide an answer that the professor “wanted.” Strategies for promoting desired synthesis skills and addressing other issues are discussed.

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)0,024
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: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,024
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0050,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,050
Tête enseignante GPT0,401
Écart entre enseignants0,351 · 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

Citations37
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemistry Education Research and PracticeMême sujetVarious Chemistry Research TopicsTravaux en français237 207