MétaCan
Menu
Retour à la cohorte
Enregistrement W2598356234 · doi:10.18260/1-2--8167

Approaches To Learning And Learning Environments In Pbl And Lecture Environments

2020· article· en· W2598356234 sur OpenAlexaff
Andrew N. Hrymak, Donald R. Woods, Heather Wright

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvaluation of Teaching Practices
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésTheme (computing)Session (web analytics)MemorizationWrightMeaning (existential)Mathematics educationSmall group learningPsychologyComputer scienceArtificial intelligenceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

One desired outcome of our educational goals is that our student's approach to studying by searching for meaning rather than superficially memorizing and regurgitating knowledge. To some extent, students have their own preferred approaches to studying. However, research by Ramsden and Entwistle suggests that the learning environment we use in our classrooms also affects the student's approaches to studying. Two published inventories to measure these effects are the Lancaster Approaches to Studying Questionnaire, LASQ, and the Course Perceptions questionnaire, CPQ. Data from the short version of these questionnaires were analyzed for a group of students concurrently registered in two programs. Students were registered in a cross-section of disciplines in humanities, social science, science and engineering where the method of instruction was primarily the conventional lecture. Those same students were concurrently registered in the "Theme School" program, an interdisciplinary program of 33 credits where the method of instruction was small group, selfdirected problem-based learning. These sophomore students who selected the Theme School program scored high on the LASQ on both the strategic and "deep" learning scales and relatively low on the "surface" learning orientation. They scored high on the Perry inventory.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,870
Score d'incertitude au seuil0,340

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,212
Tête enseignante GPT0,356
Écart entre enseignants0,143 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEvaluation of Teaching PracticesTravaux en français237 207