MétaCan
Menu
Retour à la cohorte
Enregistrement W2167387835 · doi:10.1002/meet.14504701309

Factors affecting student learning outcomes of information literacy instruction

2010· article· en· W2167387835 sur OpenAlexafffundabout
Brian Detlor, Heidi Julien, Alexander Serenko, Lorne D. Booker

Notice bibliographique

RevueProceedings of the American Society for Information Science and Technology · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLibrary Science and Information Literacy
Établissements canadiensLakehead UniversityUniversity of AlbertaMcMaster University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésDemographicsAffect (linguistics)Information literacyPsychologyMedical educationPerceptionLiteracyQuality (philosophy)Mathematics educationPedagogyMedicineDemographySociology

Résumé

récupéré en direct d'OpenAlex

Abstract This poster reports results of a survey conducted recently at a Canadian business school concerning factors affecting student learning outcomes of information literacy instruction (ILI). Specifically, the effects of demographics, learning environment factors, and information literacy components on behavioral, psychological, and benefit outcomes of ILI are examined. Results test qualitative findings reported in a paper by the authors at last year's ASIST Annual Meeting (Julien et al., ), and identify the salient factors surrounding the delivery of ILI that affect student learning outcomes. Specifically, results show that greater amounts of active instruction, more senior students, and more positive perceptions of the quality of and satisfaction with ILI, all yield improved student learning outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante
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 enseignants0,360
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,003
Communication savante0,0000,033
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,300
Écart entre enseignants0,291 · 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 tête enseignante, pas un consensus.

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

Citations7
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueProceedings of the American Society for Information Science and TechnologyMême sujetLibrary Science and Information LiteracyTravaux en français237 207