Assessment of experiential learning in online introductory physics labs during COVID-19
Notice bibliographique
Résumé
Abstract The online delivery of experiential learning in physics lab classes in a New York City community college during COVID-19 has been a challenge in terms of preparation time, restricted mobility, and limited resources. On one hand, the standard in-person lab learning outcomes in the understanding of uncertainty resulted from massless pulley or spring assumption, floor tilting, model difference y = ax versus y = x + b, graphical intercept method to show systematic error , weighting error null offset, etc. can be adapted to an online setting when given preparation time. On the other hand, the essence of online lab must include the delivery of some level of experiential experience with justification from the literature on pedagogy. Simon Fraser University posts a definition of experiential learning, which states "The strategic, active engagement of students in opportunities to learn through doing, and reflection on those activities, which empowers them to apply their theoretical knowledge to practical endeavours in a multitude of settings inside and outside of the classroom". There have been numerous lab videos on Youtube created in the pre-lockdown era and the level of experiential learning in terms of "doing a lab" can be delivered by limiting a tactile measurement to a visual-audio only measurement on an real or simulated image of an instrument reading. The experiential learning of simulation experience would broaden lateral thinking but the real life transference to "doing a lab" would not be easy to assess, during lockdown condition in New York City when in-person final practical exams are excluded, without using a metacognition approach. The construction of an assessment rubric for online experiential learning, based on the McGill University in-person experiential learning assessment principle in content-process mixture, big picture perspective, and reflection, is presented. The advances in artificial intelligence software in the extension of online experiential learning are discussed.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».