Maintaining Quality While Expanding Our Reach: Using Online Information Literacy Tutorials in the Sciences and Health Sciences
Notice bibliographique
Résumé
Abstract Objective – This article aims to assess student achievement of higher-order information literacy learning outcomes from online tutorials as compared to in-person instruction in science and health science courses. Methods – Information literacy instruction via online tutorials or an in-person one-shot session was implemented in multiple sections of a biology (n=100) and a kinesiology course (n=54). After instruction, students in both instructional environments completed an identical library assignment to measure the achievement of higher-order learning outcomes and an anonymous student survey to measure the student experience of instruction. Results – The data collected from library assignments revealed no statistically significant differences between the two instructional groups in total assignment scores or scores on specific questions related to higher-order learning outcomes. Student survey results indicated the student experience is comparable between instruction groups in terms of clarity of instruction, student confidence in completing the course assignment after library instruction, and comfort in asking a librarian for help after instruction. Conclusions – This study demonstrates that it is possible to replace one-shot information literacy instruction sessions with asynchronous online tutorials with no significant reduction in student learning in undergraduate science and health science courses. Replacing in-person instruction with online tutorials will allow librarians at this university to reach a greater number of students and maintain contact with certain courses that are transitioning to completely online environments. While the creation of online tutorials is initially time-intensive, over time implementing online instruction could free up librarian time to allow for the strategic integration of information literacy instruction into other courses. Additional time savings could be realized by incorporating auto-grading into the online tutorials.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».