An Analysis of the Perceptions and Resources of Large University Classes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Large class learning is a reality that is not exclusive to the first-year experience at midsized, comprehensive universities; upper-year courses have similarly high enrollment, with many class sizes greater than 200 students. Research into the efficacy and deficiencies of large undergraduate classes has been ongoing for more than 100 years, with most research associating large classes with weak student engagement, decreased depth of learning, and ineffective interactions. This study used a multidimensional research approach to survey student and instructor perceptions of large biology classes and to characterize the courses offered by a department according to resources and course structure using a categorical principal components analysis. Both student and instructor survey results indicated that a large class begins around 240 students. Large classes were identified as impersonal and classified using extrinsic qualifiers; however, students did identify techniques that made the classes feel smaller. In addition to the qualitative survey, we also attempted to quantify courses by collecting data from course outlines and analyzed the data using categorical principal component analysis. The analysis maps institutional change in resource allocation and teaching structure from 2010 through 2014 and validates the use of categorical principal components analysis in educational research. We examine what perceptions and factors are involved in a large class that is perceived to feel small. Our analysis suggests that it is not the addition of resources or difference in the lecturing method, but it is the instructor that determines whether a large class can feel small.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle