MétaCan
Menu
Retour à la cohorte
Enregistrement W2583737634 · doi:10.2505/4/jcst15_045_02_86

Exploring the Use of an Online Quiz Game to Provide Formative Feedback in a Large-Enrollment, Introductory Biochemistry Course

2015· article· en· W2583737634 sur OpenAlexaff
Rachel Milner, J. A. Parrish, Adrienne Wright, Judy Gnarpe, Louanne Keenan

Notice bibliographique

RevueJournal of College Science Teaching · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Teaching Methods
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésFormative assessmentCourse (navigation)Mathematics educationTeaching methodScience educationHigher educationPsychologyComputer scienceMedical educationEngineeringMedicine

Résumé

récupéré en direct d'OpenAlex

In our large-enrollment, introductory biochemistry course for nonmajors, we provide students with formative feedback through practice questions in PDF format. Recently, we investigated possible benefits of providing the practice questions via an online game (Brainspan). Participants were randomly assigned to either the online game group or the PDF-only group. Both groups received identical practice questions and correct/incorrect feedback only, with no additional detail. We believed that the game might increase engagement with the material and improve performance on the examination. However, we found that the exam scores of the two groups did not differ. The attitude of participants toward the practice questions was similar for both formats, with agreement that the questions were appropriate for course objectives and helped in preparation for examinations. However, the game users were less likely to agree that the questions provided useful feedback on learning, suggesting that they had greater expectations for the practice questions delivered as a game. Game users were also more than twice as likely to state that they wanted the other or both formats.

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)0,010
score de la tête « metaresearch » (Gemma)0,042
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,010
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,042
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
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 Opus0,255
Tête enseignante GPT0,421
Écart entre enseignants0,166 · 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'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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of College Science TeachingMême sujetInnovative Teaching MethodsTravaux en français237 207