MétaCan
Menu
Retour à la cohorte
Enregistrement W3096890739 · doi:10.3390/educsci10110323

Implementing Alternative Assessment Strategies in Chemistry Amidst COVID-19: Tensions and Reflections

2020· article· en· W3096890739 sur OpenAlexaboutno aff
Poh Nguk Lau, Yek Tann Chua, Yiwei Teow, Xuejia Xue

Notice bibliographique

RevueEducation Sciences · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Teaching Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)DistancingClosure (psychology)Psychological intervention2019-20 coronavirus outbreakQuarter (Canadian coin)Medical educationPandemicSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Distance educationHigher educationMathematics educationPsychologyPolitical scienceMedicine

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic in the first quarter of 2020 resulted in the worldwide disruption of teaching and learning in main stream schools and in institutes of higher learning. Singapore was not spared. With the closure of schools in early April, it was imminent that the delivery and assessment of our freshman general chemistry course must be overhauled for the new semester. While the delivery of Home-based Learning (HBL) was a challenge for all educators, it was a mammoth roadblock for chemistry courses because of laboratory classes. Besides being thrusted to learn and use new technology tools for online lessons, instructors also had to quickly explore and design alternative assessments to substitute in-person written examinations and tests. This paper documents the struggles that played out in the decision to implement concept map assessments and “split-half” laboratory classes for safe distancing. Although these interventions are not novel, we confronted tensions as we sought to address academic integrity, administrative guidelines, and our own inadequacy particularly in concept map assessments. In light of positive and negative feedback from both staff and students, lessons were drawn to enhance future implementation and for further research.

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)0,223
score de la tête « metaresearch » (Gemma)0,219
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,223
Score d'incertitude au seuil0,959

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2230,219
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0150,020
Communication savante0,0230,020
Science ouverte0,0090,021
Intégrité de la recherche0,0160,026
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 Opus0,284
Tête enseignante GPT0,597
Écart entre enseignants0,312 · 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.

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

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducation SciencesMême sujetInnovative Teaching MethodsTravaux en français237 207