MétaCan
Menu
← Retour à la cohorte
Enregistrement W2727646567

Measuring students’ approach to learning and the development of higher order thinking skills in a large university class

2017· article· en· W2727646567 sur OpenAlexaboutno aff
Justine Hobbins, Kerry Ritchie

Notice bibliographique

RevueScholarship@Western (Western University) · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Critical Thinking Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematics educationClass (philosophy)Higher-order thinkingPsychologyOrder (exchange)Active learning (machine learning)PedagogyComputer scienceArtificial intelligenceTeaching method
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,107
Tête enseignante GPT0,361
Écart entre enseignants0,254 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholarship@Western (Western University)→Même sujetEducation and Critical Thinking Development→Travaux en français237 207→