Highly effective active learning in a one‐year biochemistry series with limited resources
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We investigate the effectiveness of an active learning curriculum designed for an upper division Biochemistry series at a large, public research university. The goal was to determine how effective this format was when compared to a parallel conventional course, and to see if the active learning series can be run with limited resources (one instructor, one teaching assistant). The study involved 160 students in the first quarter and 92 students in the second quarter. The active learning curriculum consists of learning goals for each chapter, online quizzes, in-class questions targeting the problematic areas, small group (3-4 students) discussions during class in which students presented their assumptions and arguments in support of their responses to online and in-class questions, and two-stage exams involving the ability to "re-answer" as a group following a discussion). The in-class questions involved the use of a student response system (i > clicker) (multiple choice) and short answer formats. Students in the active learning course and a control, conventional lecture course, took identical midterms and finals for the first, and second quarters. We found that students enrolled in the active learning curriculum had consistently better performance, with statistically significant higher scores on all tests for both quarters. The effect sizes of the improvements are medium to large and are independent of prior GPA and grades in prerequisites. This model curriculum redesign offers promise for improved student learning with less monetary investment than a flipped course model relying on, for example, an extensive collection of instructor-produced videos. © 2018 International Union of Biochemistry and Molecular Biology, 47(1):7-15, 2018.
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.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle