MétaCan
Menu
Retour à la cohorte
Enregistrement W2928362785 · doi:10.20343/teachlearninqu.7.1.4

Mapping Assets: High Impact Practices and the First Year Experience

2019· article· en· W2928362785 sur OpenAlexaff
Shelley Wismath, Jan Newberry

Notice bibliographique

RevueTeaching & Learning Inquiry The ISSOTL Journal · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvaluation of Teaching Practices
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésPerspective (graphical)Theme (computing)Asset (computer security)MetaphorSociologySpace (punctuation)Concept mapKnowledge managementPsychologyComputer scienceMathematics educationWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

This paper describes a course called The First Year Experience: Mapping our Communities designed around a theme of asset mapping, which allowed us to organically integrate a number of pedagogical goals with a number of high-impact practices. The mapping metaphor extended from physical mapping of the university campus as a space to the mapping of  academic and social resources, including mapping of the students’ sense of self and goals, their new environment and all the assets available to help them succeed. The theme of asset mapping also encompassed different world views and the concepts of perspective and positionality to provide students with a critical perspective on their own understanding and its limits. Our research assesses the success of this course at meeting its many intertwined goals, based on both quantitative and qualitative data collected from students in two recent course offerings.

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)0,030
score de la tête « metaresearch » (Gemma)0,020
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Communication savante, Intégrité de la recherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,581
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0300,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0070,001
Communication savante0,0020,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,004
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 Opus0,101
Tête enseignante GPT0,447
Écart entre enseignants0,346 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations8
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTeaching & Learning Inquiry The ISSOTL JournalMême sujetEvaluation of Teaching PracticesTravaux en français237 207