Notice bibliographique
Résumé
OBACIS is a tri-platform outcome-based assessment and continues improvement system. The system is composed of three integrated platforms/applications: a Win app, an Excel app, and a Web-app. In this paper, a Closed-Loop Teaching and Learning Framework (CTLF) is presented. The framework is composed of two layers: A program layer and a course layer. At the heart of the program layer lies the program-level closed-loop teaching and learning process (P-CTLP) with an overarching process concerned with the analytics and the continuous improvement activities located in the feedback loop. P-CTLP has several inputs or constituents that affect its quality outcomes, namely the successful engineering graduates and the continuously improving program outcomes, a.k.a. Graduate Attributes. At the course layer, there is a simplified course-level closed-loop teaching and learning process (C-CTLP) with its simplified feedback loop, inputs and outputs. P-CTLP and C-CTLP are a sort of master-detail closed-loop continuous improvement system. C-CTLP is managed and controlled by individual faculty members, while higher administrative and executive staff manages P-CTLP and the overall CTLF. Since the outcome-based accreditation is still locked in the data collection phase, the framework presented will be the foundation for creating a data-driven analytics engine and a continued improvement system at the program and faculty levels. The proposed framework should be instrumental in justifying the effort and the investment spent on the new outcome-based accreditation process.
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 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 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».