MétaCan
Menu
Retour à la cohorte
Enregistrement W2642189967 · doi:10.22329/celt.v10i0.4738

Enquiry-Based Learning Online: Course Development and Student Experience of a First-Year Enquiry-Based Learning Seminar

2017· article· en· W2642189967 sur OpenAlexafffundvenueabout
Jacqueline Murray, Nathan J. Lachowsky, Natalie Green

Notice bibliographique

RevueCollected Essays on Learning and Teaching · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensUniversity of VictoriaUniversity of Guelph
Organismes subventionnairesUniversity of Guelph
Mots-clésPopularityPsychologyOnline courseDistance educationOnline learningHigher educationMedical educationMathematics educationCourse (navigation)Course evaluationPedagogyEducational technologyMultimediaComputer scienceEngineeringMedicine

Résumé

récupéré en direct d'OpenAlex

Online courses are increasing in popularity while universities are using first-year seminars to address the challenges of large impersonal classes, lack of student engagement, and increased skills development. Could the learning experience and benefits of an in-person first-year seminar be achieved through an online distance education (DE) format? How would students’ experience benefit from an online DE first-year seminar? At the University of Guelph, an online interdisciplinary first-year seminar was developed and offered four times. This essay includes reflections from the faculty instructor and educational developer who co-designed the course, results from pre- and post-course surveys completed by students, and interviews conducted with students.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
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 enseignants0,683
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0100,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
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 Opus0,023
Tête enseignante GPT0,352
Écart entre enseignants0,329 · 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

Citations6
Publié2017
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCollected Essays on Learning and TeachingMême sujetOnline and Blended LearningTravaux en français237 207