MétaCan
Menu
Retour à la cohorte
Enregistrement W2143789014 · doi:10.19173/irrodl.v14i3.1446

First year chemistry laboratory courses for distance learners: Development and transfer credit acceptance

2013· article· en· W2143789014 sur OpenAlexaffvenue
Sharon Brewer, Bruno Cinel, Michelle Harrison, Christina L. Mohr

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueExperimental Learning in Engineering
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésDistance educationBachelorRigourMathematics educationComputer scienceHigher educationMultimediaPsychologyMathematics

Résumé

récupéré en direct d'OpenAlex

In delivering chemistry courses by distance, a key challenge is to offer the learner an authentic and meaningful laboratory experience that still provides the rigour required to continue on in science. To satisfy this need, two distance general chemistry laboratory courses appropriate for Bachelor of Science (B.Sc.) students, including chemistry majors, have been recently developed at Thompson Rivers University. A constructive alignment process was employed which clearly mapped learning outcomes and activities to appropriate assessment tools. These blended laboratory courses feature custom, home experimental kits and combine elements of online and hands-on learning. The courses were designed for flexible continuous enrollment and provide online resources including tutor support, instructional videos, lab report submission, and student evaluation. The assessment of students includes laboratory reports, safety quizzes, reflective journaling, digital photo documentation, and invigilated written and online practical exams. Emphasizing the quality and rigour in these distance laboratory learning experiences allowed both courses to be accepted for B.Sc. transfer credit by other institutions, an important criterion for students. This paper will outline the design and development process of these new blended laboratory courses, their course structures and assessments, and initial student results.

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)0,015
score de la tête « metaresearch » (Gemma)0,036
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 enseignants0,027
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,036
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0030,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0270,013

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 Opus0,031
Tête enseignante GPT0,342
Écart entre enseignants0,311 · 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

Citations24
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetExperimental Learning in EngineeringTravaux en français237 207