MétaCan
Menu
Retour à la cohorte
Enregistrement W2438756225 · doi:10.5206/cjsotl-rcacea.2016.1.7

Student Engagement in a Large Classroom: Using Technology to Generate a Hybridized Problem-based Learning Experience in a Large First Year Undergraduate Class

2016· article· en· W2438756225 sur OpenAlexaffvenueabout
Sherry Fukuzawa, Cleo Boyd

Notice bibliographique

RevueThe Canadian Journal for the Scholarship of Teaching and Learning · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueProblem and Project Based Learning
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFacilitatorStudent engagementClass (philosophy)Resource (disambiguation)Mathematics educationPromotion (chess)Discussion boardVirtual learning environmentMedical educationPsychologyActive learning (machine learning)Computer sciencePedagogyMultimediaMedicineArtificial intelligencePolitical science

Résumé

récupéré en direct d'OpenAlex

Large first year undergraduate courses have unique challenges in the promotion of student engagement and self-directed learning due to resource constraints that prohibit small group discussions with instructors. The Monthly Virtual Mystery was developed to increase student engagement in a large (N = 725) first year undergraduate class in anthropology at the University of Toronto Mississauga. The teaching challenge was to develop a participation component (worth 6% of the final grade) that would increase student engagement without incurring any additional resource costs. The goal of the virtual mystery was to incorporate the principles of problem-based learning to engage students in self-directed learning through an online medium. Groups of approximately 50 students collaborated on a series of “virtual” case studies in a discussion board. Students submitted comments or questions each week to identify the information they needed to solve the mystery. A facilitator oversaw the discussion board to guide students in collaboration and resource acquisition. The final grades of students who participated in the virtual mystery (N=297) were compared to students who participated in a passive online learning exercise that involved watching weekly online videos and answering questions in a course reader (N = 347). Student self-selection determined group participation. Participation completion for both the virtual mystery and the course reader were high (78.8% and 91.6% respectively). There were no significant differences in the distribution of final grades between the participation options. The high completion rate of the virtual mystery demonstrated that an active learning project can be implemented using problem-based learning principles through an online discussion board; however, the large online group collaborations were problematic. Students were frustrated with repetition and inequitable participation in such large groups; however, students evaluated the monthly mystery as a valuable learning tool that engaged them through the practical nature of the case scenarios. Au premier cycle, les grandes classes de première année présentent des défis uniques en ce qui concerne la promotion de la participation de l’étudiant et de l’apprentissage autonome en raison des contraintes au niveau des ressources qui empêchent les discussions par petits groupes avec des instructeurs. Le Monthly Virtual Mystery (Le mystère virtuel mensuel) a été créé afin d’améliorer la participation des étudiants dans les très grandes classes (N = 725) d’anthropologie de première année, au premier cycle, à l’Université de Toronto Mississauga. Ce défi en matière d’enseignement avait pour but de développer une composante de participation (qui valait 6 % de la note finale) qui allait permettre d’augmenter la participation des étudiants sans que cela entraîne des coûts supplémentaires en ressources. L’objectif du mystère virtuel était d’incorporer les principes de l’apprentissage par problèmes afin d’engager les étudiants dans un apprentissage autonome grâce à un support en ligne. Des groupes d’environ 50 étudiants ont collaboré à une série d’études de cas « virtuelles » dans un forum de discussion. Les étudiants ont envoyé chaque semaine des commentaires ou des questions afin d’identifier les renseignements dont ils avaient besoin pour résoudre le mystère. Un animateur contrôlait le forum de discussion afin de guider les étudiants dans leur collaboration et leur acquisition des ressources. Les notes finales des étudiants qui avaient participé au mystère virtuel (N = 297) ont été comparées à celles des étudiants qui avaient participé à un exercice d’apprentissage passif en ligne qui consistait à regarder des vidéos hebdomadaires en ligne et à répondre à des questions figurant dans un recueil des textes du cours (N = 347). L’auto-sélection des étudiants avait déterminé la participation aux groupes. La participation, tant pour le mystère virtuel que pour le recueil des textes du cours, a été très élevée (78,8 % et 91,6 % respectivement). Aucune différence significative n’a été notée entre les deux options de participation en ce qui concerne la répartition des notes finales. Le taux de réussite élevé du mystère virtuel a montré qu’un projet d’apprentissage actif peut être mis en place si on utilise les principes de l’apprentissage par problèmes dans un forum de discussion en ligne. Toutefois, les collaborations de grands groupes en ligne ont posé quelques problèmes : les étudiants se sont sentis frustrés par la répétition et la participation inéquitable dans de tels grands groupes. Pourtant, les étudiants ont évalué le mystère mensuel comme un outil d’apprentissage utile qui leur a permis de participer grâce à la nature pratique des scénarios des études de cas.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0030,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,052
Tête enseignante GPT0,372
Écart entre enseignants0,321 · 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

Citations21
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal for the Scholarship of Teaching and LearningMême sujetProblem and Project Based LearningTravaux en français237 207