Content. While we go bigger and beyonder, who holds down the fort for us? A perspective on modeling curricula to promote maintenance and strategic enhancement.
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
As reflected by a growing consensus within the education community, content can only take our students so far (Deller et al., 2015). We now aim for discipline-specific as well discipline-independent higher order and transferable outcomes that promise to serve our students and scientific community bigger and better. While we renovate our courses and curricula to achieve these goals, how do we maintain curricular infrastructural integrity? How to implement these improvements in a manner that sustains curricular quality assurance, accountability, accessibility, and strategic spending?This session shares and reflects on a curricular modeling perspective that can hold down our curricular fort while we aim bigger and beyonder. It emphasizes international effort promoting the development of program-level learning outcomes (PLLOs) at the post secondary education level (Goff et al., 2015). It also extends the PLLO model to embrace discipline-specific and –independent higher order and transferable outcomes so that curricula can evolve nationally and internationally in a calculated and grounded manner.\nDeller, F., Brumwell , S., and MacFarlane, A. (2015). The Language of Learning Outcomes: Definitions and Assessments (Higher Education Quality Council of Ontario).\nGoff, L., Potter, M.K., Pierre, E., Carey, T., Gullage, A., Kustra, E., Lee, R., Lopes, V., Marshall, L., Martin, L., et al. (2015). Learning Outcomes Assessment: A practitioner's Handbook (Higher Education Quality Council of Ontario (HEQCO)).
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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