MétaCan
Menu
Retour à la cohorte
Enregistrement W3027573790 · doi:10.1039/c9rp00157c

What works? What's missing? An evaluation model for science curricula that analyses learning outcomes through five lenses

2020· article· en· W3027573790 sur OpenAlexafffund
Mark A. R. Raycroft, Alison B. Flynn

Notice bibliographique

RevueChemistry Education Research and Practice · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesUniversity of Ottawa
Mots-clésCurriculumDiversity (politics)MemorizationMathematics educationComputer scienceInclusion (mineral)Science educationEquity (law)PopulationPsychologyPedagogySociology

Résumé

récupéré en direct d'OpenAlex

Science is rapidly changing with vast amounts of new information and technologies available. However, traditional instructional formats do not adequately prepare a diverse population of learners who need to evaluate and use knowledge, not simply memorize facts. Moreover, curricular change has been glacially slow. One starting goal for curricular change can be identifying the features of a current curriculum, including potential areas for improvement, but a model is needed to accomplish that goal. The vast majority of studies related to curricular change have been conducted in K-12 environments, with an increasing number in post-secondary environments. Herein, we describe a model for science curriculum evaluation that we designed by integrating a number of different approaches. That model evaluates the intended, enacted, and achieved components of the curriculum, anchored by analyzing learning outcomes through five lenses: (i) a scientific Framework reported by the US National Research Council, (ii) systems thinking, (iii) equity, diversity, and inclusion, (iv) professional skills, and (v) learning skills. No curriculum evaluation models to date have used the five learning outcomes lenses that we describe herein. As a proof of principle, we applied the evaluation model to one organic chemistry course, which revealed areas of strength and possible deficiencies. This model could be used to evaluate other science courses or programs. Possible deficiencies may be addressed in other courses, in the course at hand, or may not be deemed necessary or important to address, demonstrating the potential for this evaluation to generate areas for discussion and ultimately, improvements to post-secondary science education.

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)0,104
score de la tête « metaresearch » (Gemma)0,113
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,104
Score d'incertitude au seuil0,550

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1040,113
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0120,006
Études des sciences et des technologies0,0020,008
Communication savante0,0120,015
Science ouverte0,0030,004
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,571
Tête enseignante GPT0,650
Écart entre enseignants0,079 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemistry Education Research and PracticeMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207