MétaCan
Menu
Retour à la cohorte
Enregistrement W2885623018 · doi:10.24908/pceea.v0i0.7329

USING THE CLA+ TO TRACK DEVELOPMENT OF COGNITIVE SKILLS FROM FIRST TO THIRD YEAR: ACCESSIBILITY AND FACTORS FOR SUCCESS

2017· article· en· W2885623018 sur OpenAlexaffvenueabout
Natalie Simper, Brian Frank, Jake Kaupp, Nerissa Mulligan

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Curriculum Development
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésCurriculumAccreditationArgument (complex analysis)CognitionCognitive skillTest (biology)Mathematics educationPsychologyRelevance (law)Cognitive developmentMedical educationPedagogyPolitical science

Résumé

récupéré en direct d'OpenAlex

This paper provides results from the first three years of a 4-year longitudinal assessment project on the development of cognitive skills using the Collegiate Learning Assessment (CLA+). The CLA+ is an online test, designed to measure cognitive skills (CS) (critical thinking, problem solving and written communication, with sub-scores reporting scientific and quantitative reasoning, critical reading and evaluation, and critiquing an argument). Cognitive skills are fundamental elements of engineering programs and central to the practice of engineering. The Canadian Engineering Accreditation Board’s (CEAB) requires programs to assess their student’s graduate attributes and have a system in place to use the assessment for curriculum improvement. CLA+ assessment constructs relate to the CEAB attributes of problem analysis, investigation and communication. The testing was initiated as part of a strategy to track development of cognitive skills and to inform course improvement efforts. The testing was embedded in a range of engineering courses. Student achievement on written communication outcomes appeared to fall over time, and critiquing an argument was identified as an area of weakness, specifically for the first year students. Strategies were subsequently implemented as part of a curriculum improvement initiative. With the goal of maximizing success for all students, we investigated differences in achievement based on sex, language, and parental education, as well as the amount of effort put into the test. There were significant differences in achievement, prompting concerns about motivation and relevance to the engineering discipline. Students without English as a first language demonstrated negative gains over time. Parental education level was the strongest predictor of performance, but the most significant factor impacting on students’ scores was self-reported effort.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,072
Score d'incertitude au seuil0,546

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,262
Écart entre enseignants0,247 · 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 tête enseignante, 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'admission3
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetEngineering Education and Curriculum DevelopmentTravaux en français237 207