MétaCan
Menu
Retour à la cohorte
Enregistrement W2563291427 · doi:10.4018/ijksr.2016100105

The Impact of Accreditation on Student Learning Outcomes

2016· article· en· W2563291427 sur OpenAlexaff
Tayeb Brahimi, Akila Sarirete, Rania Ibrahim

Notice bibliographique

RevueInternational Journal of Knowledge Society Research · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvaluation of Teaching Practices
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesYükseköğretim KuruluCouncil for Higher Education
Mots-clésAccreditationCommissionHigher educationMedical educationProcess (computing)Political sciencePrincipal (computer security)BusinessMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

In recent years, student outcomes in higher education has captured the interest and concern of accreditation communities, governments, employers as well as international organizations. Student outcomes is becoming the principal gauge of higher education's effectiveness and accreditation bodies expect learning outcomes to be well defined, articulated, assessed, verified, and used as a guide for future improvement. The paper investigates the impact of accreditation on student outcomes in higher education and examines the impact of two accreditation bodies on student outcomes, namely: The National Commission for Academic Accreditation and Assessment (NCAAA) established by the Higher Council of Education in Saudi Arabia and the Accreditation Board for Engineering and Technology Inc. (ABET). Results from a course in Mathematics at Effat University, Jeddah, KSA, showed how important the learning outcome is in the process of re-evaluating strategies and methodologies used in the learning process.

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)0,019
score de la tête « metaresearch » (Gemma)0,015
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,256
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0190,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,280
Tête enseignante GPT0,636
Écart entre enseignants0,356 · 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

Citations25
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Knowledge Society ResearchMême sujetEvaluation of Teaching PracticesTravaux en français237 207