MétaCan
Menu
Retour à la cohorte
Enregistrement W2115773246 · doi:10.5430/jnep.v4n2p132

A mixed-methods approach to evaluating student nurses changing answers on multiple choice exams

2013· article· en· W2115773246 sur OpenAlexvenueno aff
Rebecca A. Cox-Davenport, Paula B Haynes, Theresa G. Lawson

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Critical Thinking Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAmbivalenceAnxietyPsychologyMultiple choiceClosed-ended questionQuestions and answersFeelingTest (biology)PerceptionInstinctTest anxietySocial psychologyMedical educationMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

Using a mixed methods approach, the purpose of this study was to examine the perceptions and patterns of nursing student’s changing answers on multiple choice exams. The sample of 86 students enrolled in an undergraduate nursing program were surveyed after their first exam of the semester. Exam response forms were examined for erasure marks to determine the answer changes on the exam grade; additionally, the relationship between self-reported school performance and frequency of changing answers, and self-reported anxiety and frequency of changing answers was examined. A qualitative exploration of two open-ended items included examining student perceptions about changing answers on unit exams. Five themes emerged from the qualitative exploration of how students felt about changing test answers: Educated gamble, confidence, anxiety learned, gut instinct and ambivalence. Three themes emerged from the analysis of the reasons students changed answers: Uncertainty, light bulb effect, and testing errors. The study’s quantitative results indicated that although the student indicated anxiety regarding changing answers, a majority did so anyway. Moreover contrary to students’ negative feelings regarding answer changing, most answer changing resulted in a modest improvement in their grade.

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)0,073
score de la tête « metaresearch » (Gemma)0,051
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: aucune
Score de désaccord entre enseignants0,073
Score d'incertitude au seuil0,386

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0730,051
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0080,005
Études des sciences et des technologies0,0040,002
Communication savante0,0040,002
Science ouverte0,0040,003
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,202
Tête enseignante GPT0,554
Écart entre enseignants0,353 · 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

Citations5
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and PracticeMême sujetEducation and Critical Thinking DevelopmentTravaux en français237 207