Engaging Student Stakeholders in Developing a Learning Outcomes Assessment Framework
Notice bibliographique
Résumé
Learning outcomes assessment and alignment contribute to the transparency, quality, and progression of a program. We set forth a learning outcomes framework that aligns learning outcomes at the course, major, program, and university levels. Senior undergraduate students were recruited to analyze assessments from eight core courses required for Molecular and Cellular Biology (MCB) majors at the University of Guelph. This analysis was conducted to achieve two goals: (a) to develop tools to assess learning outcomes in the MCB Department, and (b) to incorporate insights shared by the student perspective. Almost 1,600 Individual questions and their attributes were coded, compiled, and linked into the learning outcomes framework. The students then connected the questions to course concepts and assigned a cognitive domain indicated by Bloom’s Taxonomy level. After training and calibration, two undergraduate students evaluated all questions in the eight core courses with an average of 93.2% ± 1.6% (n=8) agreement between evaluators. These data were used to generate assessment profiles for individual courses and as an aggregate to provide insights regarding the program. This work makes constructive use the learning outcomes framework and illustrates the importance of leveraging undergraduate student perspectives in discussions of learning outcomes in higher education.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,210 | 0,135 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,014 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,008 |
| Communication savante | 0,016 | 0,016 |
| Science ouverte | 0,004 | 0,014 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».