MétaCan
Menu
Retour à la cohorte
Enregistrement W2899368681 · doi:10.3138/cpp.2017-041

Enhancing Development of Competencies by Means of Continuous Improvement Processes

2018· article· en· W2899368681 sur OpenAlexaffvenue
Brian Frank, Natalie Simper, B. Cai, Deena Salem, Jake Kaupp, Max Lindley-Peart

Notice bibliographique

RevueCanadian Public Policy · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Curriculum Development
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésCurriculumTeamworkKnowledge managementContext (archaeology)WorkforceDisciplineInformation and Communications TechnologyProfessional developmentComputer sciencePsychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

Pressure is mounting for post-secondary institutions to demonstrate that their students have the skills needed for the workforce, particularly in professional programs. Common expectations among professional and regulatory bodies in information and communication technologies (ICT) include professional knowledge, understanding of systematic impacts and needs, problem solving, teamwork, technology resources, modelling and analysis, programming, and self-management. This article focuses on intentional development of ICT competencies in post-secondary education. The authors present a continuous improvement model for integrated curriculum design, with activities and assessments specifically selected to develop professional skills in the context of the discipline. The approach involves building common understandings, providing examples of effective teaching practices, using data for evaluation, and implementing high-impact strategies for attainment of competencies. Activities at Queen’s University that have been supported by the authors are presented as a case study. Criterion-based assessment of authentic disciplinary tasks is shown to be effective in detecting incremental improvement in competencies, and learning gains on standardized tests were significant and meaningful for problem solving, critical thinking, and communication. The use of standardized assessment has limitations, but feedback to departments enabled learning needs to be addressed. These examples are highlighted as part of a continuous improvement model to develop competencies by tailoring curriculum and learning strategies, assessing student achievement, and using the data to inform high-impact strategies for attainment of competencies.

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)0,035
score de la tête « metaresearch » (Gemma)0,059
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: aucune
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,185

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0350,059
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,003
Communication savante0,0060,004
Science ouverte0,0020,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,007
Tête enseignante GPT0,205
Écart entre enseignants0,198 · 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

Citations7
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Public PolicyMême sujetEngineering Education and Curriculum DevelopmentTravaux en français237 207