MétaCan
Menu
Retour à la cohorte
Enregistrement W2711520764 · doi:10.22329/celt.v10i0.4752

“Did I do good?”: The Teaching and Learning of Ethics

2017· article· en· W2711520764 sur OpenAlexfundvenueno aff
Anne M. C. Barnfield

Notice bibliographique

RevueCollected Essays on Learning and Teaching · 2017
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEthics in Business and Education
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research CouncilSocial Sciences and Humanities Research Council of CanadaNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésEngineering ethicsClass (philosophy)Applied ethicsInformation ethicsSociologyEthics of technologyMeta-ethicsEthical issuesPsychologyPedagogyEpistemologyEngineering

Résumé

récupéré en direct d'OpenAlex

We often assume that students will simply understand specific ethical requirements as they progress, but in reality this does not happen. Students need instruction in ethics. With adherence to the Tri-Council’s ethics policy now mandatory for university research with human participants, understanding of ethics is a necessity. We need students to be empowered to understand and appreciate ethics. This article explains an interactive discussion model, based on teaching experience. Students are assigned readings, with guiding questions, and come to class for a discussion of ethical issues and principles. Details and examples of discussions are given. More must be done to help students develop true understanding of ethics and their application, and engagement in discussion is a crucial tool to achieve this end.

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)0,026
score de la tête « metaresearch » (Gemma)0,154
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Communication savante, 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 enseignants0,372
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0260,154
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0140,000
Communication savante0,0020,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,007
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 Opus0,138
Tête enseignante GPT0,427
Écart entre enseignants0,289 · 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

Citations1
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCollected Essays on Learning and TeachingMême sujetEthics in Business and EducationTravaux en français237 207