MétaCan
Menu
Retour à la cohorte
Enregistrement W3037581874 · doi:10.4018/978-1-7998-5074-8.ch006

The Impact of a Cohort Model for Online Doctoral Student Retention and Success

2020· book-chapter· en· W3037581874 sur OpenAlexaffabout
Debra Hoven, Rima Al Tawil, Kathryn L. Johnson, Nikki Pawlitschek, Dan Wilton

Notice bibliographique

RevueAdvances in educational technologies and instructional design book series · 2020
Typebook-chapter
Langueen
DomaineHealth Professions
ThématiqueDoctoral Education Challenges and Solutions
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésCohortMedical educationPsychologyGraduate studentsHigher educationComputer-assisted web interviewingPedagogyPolitical scienceMedicineMarketingBusiness

Résumé

récupéré en direct d'OpenAlex

Two critical decisions were made in the design of Canada's first fully online doctoral program discussed in this chapter: to create a professional Doctorate in Education rather than a PhD and to enroll students as cohorts each year. The first decision was based on the contemporary need within the field of online higher education for discipline specialists to have a solid background in online education principles and practice. The second decision was made on the basis of literature around benefits for graduate students. However, little sustained research has been carried out on what specific benefits may accrue for doctoral students participating in a cohort-based program in an online environment. This chapter presents and discusses the outcomes of two research studies on a cohort model, to provide insights into some of the personal and other factors identified as early warning indicators of student difficulties and how and when they arise.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,140
Score d'incertitude au seuil0,803

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,155
Tête enseignante GPT0,485
Écart entre enseignants0,330 · 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 tête enseignante, 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
GenreSynthèse

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

En bref

Citations1
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvances in educational technologies and instructional design book seriesMême sujetDoctoral Education Challenges and SolutionsTravaux en français237 207