Monitoring the Curriculum through the Student Perspective
Notice bibliographique
Résumé
Student input was deliberately included as part of the curriculum implementation and assessment plan at the University of Minnesota College of Veterinary Medicine. The new curriculum included design features to encourage deeper learning such as a spiral curriculum with cross-course integration, increased open time, and more active learning. Student well-being was seen as a simultaneous need. To gather overall perceptions of workload and well-being, student volunteers from each cohort were surveyed weekly starting in 2013. Survey questions asked about out-of-class work time, level of integration, extracurricular activities, student well-being habits, paid employment, and other factors. Survey questions were combined with course data to get a full picture of week quality, total course work time, extracurricular activities, and the effects of integration. Many of our hypotheses about curricular and extracurricular impacts on week quality were disproven. Week quality was most positively affected by student factors of sleep and exercise, whereas the curricular factors of out-of-class work time, total course work time, and examination hours had the strongest negative effects. A surprising finding was that open time, in-class hours, and paid employment hours had a minimal effect on week quality. Students identified excessively heavy semesters and uneven semester workloads that resulted in early revisions to the new curriculum. Student feedback provided a view of the curriculum that was not otherwise available and resulted in early and significant impacts on the new curriculum, and they provided insight into whether planned changes had occurred and how effective various factors were in reaching the curricular goals.
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 | 0,002 | 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 | 0,001 | 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) | 0,001 | 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 ».