Measuring students’ approach to learning and the development of higher order thinking skills in a large university class
Notice bibliographique
Résumé
The Canadian higher education system is currently structured such that class sizes are large4 with limited resources, which have imposed constraints on teaching and assessment methods3. Traditional lecture delivery and multiple choice exams are common in large classes, despite evidence to suggest that these methods display a negative relationship with students’ development of higher order thinking skills (HOTS), such as problem solving, critical and creative thinking4. Furthermore, such traditional teaching and assessment methods typically reward memorization and recall, consistent with a surface approach to learning5, rather than encouraging students to deeply process the learning material.\nCognizant of the constraints imposed on teaching and assessment methods by large class sizes, an upper year physiology course has recently been redeveloped. Briefly, this course now takes place over two 12-week semesters, where students are taught with instructional scaffolded lecture methods. Assessments consist of short and long answer midterms/final exam, and a large scale (~400 students) weekly tutorial where students work in groups on problem solving assignments.\nIn this presentation, we will share how we evaluated students’ approaches to learning within a large, upper year physiology class, using the Revised Two Factor Study Process Questionnaire1, coupled with students’ academic performance on lower order and higher order assessment questions, according to Bloom’s Taxonomy2. Interesting data points from this study will be shared. By the end of this presentation, participants will be able to: 1. Identify teaching and assessment methods to promote HOTS and a deep approach to learning; 2. Implement a tool in their classes to evaluate students’ approaches to learning.\nReferences\n1 Biggs, J.B., Kember, D., & Leung, D.Y.P. (2001). The Revised Two Factor Study Process Questionnaire: R-SPQ-2F. British Journal of Educational Psychology, 71, 133-149.2 Bloom, B. S., Krathwohl, D. R., and Masia, B. B. (1956). Taxonomy of Educational Objectives: The Classification of Educational Goals, New York, NY: D. McKay. 3 Kerr, A. (2011). Teaching and Learning in large Classes at Ontario Universities: An Exploratory Study. Toronto: Higher Education Quality Council of Ontario.4Ontario Confederation of University Faculty Associations. (2014). Data check: Class sizes continue to grow at Ontario's universities. Retreived from http://ocufa.on.ca/blog-posts/data-check-class-sizes-continue-to-grow-at-ontarios-universities/5Trigwell, K., & Prosser, M. (1991). Relating approaches to study and the quality of learning outcomes at the course level. British Journal of Educational Psychology, 61(3), 265-275.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».