MétaCan
Menu
Retour à la cohorte
Enregistrement W2923389761 · doi:10.18260/1-2--31253

WIP: Student and Faculty Experience with Blended Learning in a First-Year Chemistry for Engineers Course

2020· article· en· W2923389761 sur OpenAlexafffund
Eline Boghaert, Jason Grove

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Teaching Methods
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesUniversity of Waterloo
Mots-clésBlended learningExperiential learningMathematics educationActive learning (machine learning)Computer scienceClass (philosophy)PaceEducational technologyMultimediaChemistryPsychologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract WIP: Student and Faculty Experience with Blended Learning in a First-Year Chemistry for Engineers Course Chemistry for Engineers, is an introductory chemistry course taken by most engineering students at our university during their first term of study. Online content was developed to facilitate the implementation of a blended learning format, rather than traditional lecture format, for this course. The motivation for a blended approach was i) to create time for more valuable instructor–student interactions, allowing the instructor to reinforce challenging concepts, lead problem-solving workshops and lead experiential learning activities, and, ii) to allow students to explore content at their own pace, thereby accommodating the diversity of students’ high-school chemistry preparation. During Fall 2016, a blended learning format was piloted with three of the twelve sections of the course for half of the course content. Data from surveys administered throughout the term were combined with course grade data in an effort to compare and contrast student experience, satisfaction and performance between a blended learning and traditional lecture model of instruction. While the results from the Fall 2016 study are inconclusive due to challenges with survey administration and implementing the blended learning model, lessons were learned with respect to the readiness of the students for self-directed learning and the integration of the online and in-class components. During Fall 2017, five sections of the course are using a blended learning model for the entire course, implementing the lessons learned from the Fall 2016 study. In January, data from surveys administered throughout the term will be combined with course grade data, again in an effort to compare and contrast student experience, satisfaction and performance between a blended learning and traditional lecture model of instruction. This presentation will i) describe instructor experience in developing and deploying online content to support the blended learning, and, ii) compare and contrast student experience, satisfaction and performance between the two learning models.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,267
Score d'incertitude au seuil0,273

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,049
Tête enseignante GPT0,395
Écart entre enseignants0,345 · 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 tête enseignante, 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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetInnovative Teaching MethodsTravaux en français237 207