Learning Portfolios as Means of Evaluating Futures Learning: A Case Study at Renaissance College
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
This article evaluates a particular classroom improvement project. It contributes to answering three questions: (1) Does adding the (personal) futures perspective to our course change how learners think about and plan for the future? (2) Does an integrated learning portfolio help evaluating learners’ foresight capacity? (3) How can we know the answers to questions 1 and 2? I use the case study approach—describing our “teach the future” experience within an undergraduate course at a Canadian University—and a (computer aided) content analysis to evaluate the effectiveness of adding core elements of (personal) futures learning to an existing course. The results will be of interest to others who wonder whether “teaching the future” makes a difference in building foresight capacity. In particular, readers can glean the potential value of learning portfolios for this purpose. First, I describe the case study and how futures learning fits into this context. Second, I provide an overview of the course “RCLP 3030 Integrated Learning Portfolio” including the course outcomes, assessment, and futures-related content. Third, I describe the actual run of the course and how learners engaged with the material; this includes learners’ contributions to the online discussions that will help evaluate the learning that takes place and the effectiveness of the course design. Fourth, with the help of computer-aided content analysis I analyze the learning portfolio submissions of all learners at the end of the course. Fifth, I provide an evaluation summary, discuss next steps, and offer recommendations of general interest.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,003 | 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