MétaCan
Menu
Retour à la cohorte
Enregistrement W2893332579 · doi:10.5206/cjsotl-rcacea.2018.2.2

Audio Feedback: Student and Teaching Assistant Perspectives on an Alternative Mode of Feedback for Written Assignments

2018· article· en· W2893332579 sur OpenAlexafffundvenueabout
Fiona Rawle, Mindy Thuna, Ting Zhao, Michael Kaler

Notice bibliographique

RevueThe Canadian Journal for the Scholarship of Teaching and Learning · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Teaching Methods
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of Toronto MississaugaUniversity of Toronto
Mots-clésFormative assessmentPeer feedbackAudio feedbackMathematics educationCompetence (human resources)ConstructiveComputer scienceClickerAudio equipmentClass (philosophy)PsychologyPedagogyMultimediaProcess (computing)Engineering

Résumé

récupéré en direct d'OpenAlex

Competence in written scientific communication is an important learning outcome of undergraduate science degrees. Writing helps students learn, encourages them to think creatively and critically about their learning, and trains them in communicating their insights as disciplinary experts. However, challenges exist in incorporating writing assignments into large undergraduate science classes, including lack of student engagement and difficulty in providing effective and personalized formative feedback to large numbers of students. Engagement and feedback are especially important for developing writing skills, which require active, reflective, critical attention on the learner’s part: it would be very useful if one mechanism could enhance both. We recently integrated audio feedback into the stages of a term-long, multi-part scientific literacy assignment in a large undergraduate biology class at the University of Toronto Mississauga, using it for formative purposes at early stages of the assignment. In order to determine the utility and effect of the audio feedback, we collected data from both teaching assistants (TAs) and students. In general, students felt audio feedback was constructive and engaging, and both TAs and students commented that audio feedback was more personal than written feedback. However, TAs noted that it took longer for them to give audio feedback compared with written feedback, and that they encountered technical issues with emailing audio feedback to the students. Overall, the response to audio feedback from both students and TAs suggested that this approach is logistically feasible and might aid in overcoming the disengagement that is often found in large introductory courses. La compétence en communication scientifique écrite est un résultat d’apprentissage important dans le cadre des diplômes en sciences au niveau du premier cycle. L’écriture aide les étudiants à apprendre, les encourage à réfléchir avec créativité et sens critique à propos de leur apprentissage et leur donne la formation nécessaire pour communiquer leurs idées en tant qu’experts dans leur discipline. Toutefois, il existe un certain nombre de défis dans le cas de grandes classes de sciences au niveau du premier cycle quand il s’agit d’y incorporer les travaux écrits, entre autres la participation des étudiants et les difficultés à donner à un grand nombre d’étudiants des rétroactions formatives personnalisées. La participation et les rétroactions sont des éléments particulièrement importants pour que les apprenants développent des compétences en écriture, qui exigent de leur part une attention active, réflective et critique. Il serait donc très utile si un mécanisme pouvait inclure ces deux éléments. Nous avons récemment intégré la rétroaction audio dans les diverses étapes de travaux de longue haleine à parties multiples portant sur des connaissances scientifiques dans une grande classe de biologie de premier cycle à l’Université de Toronto Mississauga, avec un objectif formatif dès les premières étapes des travaux. Afin de déterminer l’utilité et les effets de la rétraction audio, nous avons recueilli des données auprès des chargés de cours et des étudiants. En général, les étudiants ont déclaré que la rétroaction audio était constructive et favorisait la participation, et tant les chargés de cours que les étudiants ont indiqué que la rétroaction audio était davantage personnelle que la rétroaction écrite. Toutefois, les chargés de cours ont fait remarquer que cela leur prenait davantage de temps de donner une rétroaction audio qu’une rétroaction écrite et qu’ils avaient eu des problèmes techniques pour envoyer par courriel à leurs étudiants les rétroactions audio. En général, la réaction à la rétroaction audio tant de la part des chargés de cours que des étudiants suggère que cette approche est logistiquement réalisable et pourrait aider à relever le défi d’absence de participation souvent présent dans les cours d’introduction offerts à un très grand nombre d’étudiants.

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)0,037
score de la tête « metaresearch » (Gemma)0,112
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,193

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0370,112
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0040,003
Communication savante0,0090,004
Science ouverte0,0020,005
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,070
Tête enseignante GPT0,421
Écart entre enseignants0,351 · 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'étudeQualitatif
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

Citations12
Publié2018
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal for the Scholarship of Teaching and LearningMême sujetInnovative Teaching MethodsTravaux en français237 207