MétaCan
Menu
Retour à la cohorte
Enregistrement W3022015682 · doi:10.7202/1069651ar

The Impact of Quality Assurance Policies on Curriculum Development in Ontario Postsecondary Education

2020· article· en· W3022015682 sur OpenAlexfundvenueaboutno aff
Qin Liu

Notice bibliographique

RevueCanadian Journal of Higher Education · 2020
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEvaluation and Performance Assessment
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésQuality assuranceAccountabilityCurriculumContext (archaeology)Higher educationQuality (philosophy)Quality managementPolitical sciencePublic relationsBusinessMarketingService (business)

Résumé

récupéré en direct d'OpenAlex

Two trends in the evolution of quality assurance in Canadian postsecondary education have been the emergence of outcomes-based quality standards and the demand for balancing accountability and improvement. Using a realist, process-based approach to impact analysis, this study examined four quality assurance events at two universities and two colleges in Ontario to identify how system-wide quality assurance policies have impacted the curriculum development process of academic programs within postsecondary institutions. The study revealed different approaches that postsecondary institutions chose to use in response to quality assurance policies and the mechanisms that may account for different experiences. These mechanisms include endeavours to balance accountability and continuous improvement, leadership support, and the emerging quality assurance function of teaching and learning centres. These findings will help address the challenges in quality assurance policy implementation within Canadian postsecondary education and enrich international discussions on the accountability-improvement dichotomy in the context of quality assurance.

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)0,018
score de la tête « metaresearch » (Gemma)0,056
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,701
Score d'incertitude au seuil0,813

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,056
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0110,005
Communication savante0,0080,002
Science ouverte0,0020,005
Intégrité de la recherche0,0010,002
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 Opus0,141
Tête enseignante GPT0,483
Écart entre enseignants0,341 · 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'étudeQualitatif
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
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Higher EducationMême sujetEvaluation and Performance AssessmentTravaux en français237 207