MétaCan
Menu
Retour à la cohorte
Enregistrement W2948557201 · doi:10.5206/cjsotl-rcacea.2019.1.7993

Investigating Student Engagement in First-Year Biology Education: A Comparison of Major and Non-Major Perception of Engagement Across Different Active Learning Activities

2019· article· en· W2948557201 sur OpenAlexaffvenue
Devin Hymers, Genevieve Newton

Notice bibliographique

RevueThe Canadian Journal for the Scholarship of Teaching and Learning · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Teaching Methods
Établissements canadiensUniversity of Guelph
Organismes subventionnairesDirectorate for Biological Sciences
Mots-clésStudent engagementClass (philosophy)Mathematics educationFeelingPerceptionPsychologySocial psychologyComputer science

Résumé

récupéré en direct d'OpenAlex

Educational techniques that improve student engagement have repeatedly been shown to improve performance at the class level at many institutions and in multiple disciplines. However, knowledge of engagement in individual activities in large first-year classes, where there may be several sub-populations of students in different programs reflecting varied interests, is limited. In this study, we examined two large, lecture-based, introductory first-year biology classes to determine whether there were any relationships between specific learning activities and student engagement and performance, both at the class level and as broken down by program of study. Surveys were used to quantify the level of student engagement through four activities: (a) student response systems (clickers), (b) in-class discussions and activities, (c) lab and seminar activities, and (d) interdisciplinary learning. Engagement scores were then compared to students’ final grades. Students in all majors who reported higher levels of participation in most activities studied also reported feeling more engaged overall and achieved higher grades than their less-engaged peers; however, students in non-biology majors demonstrated notably weaker relationships between their engagement and performance in biology courses, where such relationships existed at all. In this paper, we discuss the learning activities which are associated with the greatest performance increases in both biology and non-biology majors and suggest how these results may be used to inform instructional techniques to benefit all students, regardless of major, in future 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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,072
Tête enseignante GPT0,429
Écart entre enseignants0,356 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations13
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal for the Scholarship of Teaching and LearningMême sujetInnovative Teaching MethodsTravaux en français237 207