Replacing Final Exams with Open-Ended Course Projects in Engineering Education
Notice bibliographique
Résumé
Over the last twenty years, assessment methods in Engineering education have shifted to focus on evaluating desired learning outcomes. Both Mills and Treagust (2003) and Olds, Moskal, and Miller (2005) credit the paradigm shift to accreditation procedures that report program inputs and document achievement of learning objectives. High-stakes final exams have been, and still are, widely used in Engineering education as the primary means to evaluate student learning (Flores, Veiga Simão, Barros, & Pereira, 2015). Although considered objective and efficient for large class sizes, Knight (2002) points to shortcomings associated with final exams including ineffectiveness at evaluating certain types of outcomes and a distorting effect on the taught curriculum. However, overcoming these shortcomings is possible through project-based learning and open-ended course projects. Project-based learning is a form of experiential learning that gives students the opportunity to apply theoretical concepts while developing higher-order skills (e.g., critical thinking, synthesis, and evaluation) and soft-skills (e.g., communication, management, and teamwork; Mills & Treagust, 2003). Based on three different experiences with large-scale open-ended projects, Daniels, Faulkner, and Newman (2002) conclude that the use of course projects enhances student learning while better preparing them for their future careers. Flores et al.’s (2015) findings support this notion by demonstrating that students perceive assessment methods that require active involvement as more fair and effective. This workshop aims to increase awareness around the importance of assessment and highlight that high-stakes final exams, although widely used, have a number of flaws that may bias evaluation and impact student learning. The workshop’s main goal is to introduce project-based learning as an alternative to final exams and develop skills to identify where and how instructors can use open-ended course projects effectively.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,072 | 0,227 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».