MétaCan
Menu
Retour à la cohorte
Enregistrement W3032480658 · doi:10.15173/ijsap.v4i1.3775

Students as partners in e-contents creation: A case study exploring student-staff partnership for learning and student engagement using digital applications for co-creation of e-learning materials

2020· article· en· W3032480658 sur OpenAlexvenueno aff
Nurun Nahar, Duncan Cross

Notice bibliographique

RevueInternational Journal for Students as Partners · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Practises and Engagement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumGeneral partnershipStudent engagementActive learning (machine learning)PedagogyMathematics educationPsychologyComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

In order to enable learners to take control of their learning needs and actively contribute in their learning processes, educators can partner with students in various reciprocal student-staff partnership (SSP) settings where students can be co-creators, co-producers, curators, or co-deliverers of the curriculum. Our project, undertaken to enhance the curriculum as part of a teaching qualification, places emphasis on educators partnering with first-year undergraduate students over e-content creation within an existing module, using readily accessible digital applications in order to promote active learning in students and improve student engagement. In this case study, we evaluate the extent to which SSP, as an approach to the creation of e-learning materials using digital applications, enhanced learning and student engagement in an existing module. Our student partners perceived SSP to be an excellent platform for learning, actively engaging in the classroom, and developing skills such as communication and digital literacy. However, they expressed some concerns about overcoming the traditional hierarchies within our SSP initiative

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)0,008
score de la tête « metaresearch » (Gemma)0,017
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,017
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0140,007
Communication savante0,0090,006
Science ouverte0,0030,011
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,226
Tête enseignante GPT0,594
Écart entre enseignants0,367 · 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

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Students as PartnersMême sujetHigher Education Practises and EngagementTravaux en français237 207