MétaCan
Menu
Retour à la cohorte
Enregistrement W2805124724

Flexible weighting in online distance education courses

2018· article· en· W2805124724 sur OpenAlexaff
Bettina Brockerhoff-Macdonald, Moira Morrison, Susan Manitowabi

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensLaurentian University
Organismes subventionnairesnon disponible
Mots-clésWeightingHumanitiesWorkloadPsychologySociologyPedagogyManagementPhilosophyPhysicsEconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Are current evaluation scheme practices really inclusive of differing teaching and learning preferences and cultural sensitivities? Are students and faculty satisfied with the assignments they have now? Do assignments accurately reflect a student’s learning and skill acquisition? How can students be given assignment options to engage them more fully without increasing workload for faculty? This paper will examine how the flexible weighting option responds to the learning needs of students by promoting their success, building on their strengths, and giving them a sense of ownership and choice. Results of this pilot project have shown that flexible weighting can encourage student engagement and reduce their stress. What does this mean for faculty? Any course with a variety of assignments can implement flexible weighting. Flexible weighting can be successfully applied in courses regardless of the method of delivery and can be adapted for courses in a variety of disciplines. RésuméLes pratiques actuelles des schémas d'évaluation tiennent-elles vraiment compte des différences d'enseignement, des préférences d'apprentissage et des sensibilités culturelles? Les étudiants et les professeurs sont-ils satisfaits des épreuves qu'ils ont maintenant? Les travaux ou examens reflètent-ils fidèlement l'apprentissage et l'acquisition de compétences d'un élève? Comment les étudiants peuvent-ils se voir proposer certains choix permettant de les engager davantage sans augmenter la charge de travail pour les professeurs? Cet article examinera comment l'option de pondération flexible répond aux besoins d'apprentissage des étudiants en favorisant leur réussite, en s'appuyant sur leurs points forts et en leur donnant un sentiment d'appartenance et de choix. Les résultats de ce projet pilote ont montré qu'une pondération flexible peut encourager l'engagement des élèves et réduire leur stress. Qu'est-ce que cela signifie pour le corps enseignant ? Tout cours avec une variété de travaux ou d'examens peut implémenter une pondération flexible. La pondération flexible peut être appliquée avec succès dans les cours, quelle que soit son mode d'administration, et peut être adaptée pour des cours de diverses disciplines.

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)0,027
score de la tête « metaresearch » (Gemma)0,072
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,143

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,072
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0050,006
Science ouverte0,0020,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,222
Tête enseignante GPT0,606
Écart entre enseignants0,384 · 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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetOnline and Blended LearningTravaux en français237 207