USING ACCOUNTABILITY LOGS TO ASSESS INDIVIDUAL STUDENT CONTRIBUTIONS TO CAPSTONE PROJECTS: WHAT HAPPENS WHEN ONE STUDENT ON A TEAM FAILS?
Notice bibliographique
Résumé
Abstract – To discourage social loafing, the need for fair differential grading among team members led to the development and use of Accountability Logs(ALs) and associated evidence-based rubrics as tools to help Capstone Coordinators identify individual students failing to make meaningful and competent technical contributions. While traditional Engineering logbooks tend to be hard-covered notebooks documenting the design analysis, sketches, calculations, and results of a project, ALs can be in electronic format to allow for importing of multi-media examples of works in-progress or completed. ALs must contain a) Evidence - explicit accounting of the student’s independent technical contributions to the project on a minimum weekly basis; b) Learning - reflection on value added from personal contributions to the overall project goals; and c) Planning - articulation of logical next steps for moving forward with technical contributions to meet project goals. The AL components align with the Graduate Attribute of Life-Long Learning. Through experience with three cohorts of students (Fall 2014 – Winter 2017), we explain the evolving use of ALs; how ALs are currently situated in the overall assessment of the student team members of Capstone Engineering Projects; and our current recovery options for students who receive failing grades in the Capstone course.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».