USING THE CLA+ TO TRACK DEVELOPMENT OF COGNITIVE SKILLS FROM FIRST TO THIRD YEAR: ACCESSIBILITY AND FACTORS FOR SUCCESS
Notice bibliographique
Résumé
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 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 | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».