Assessment of experiential learning in online introductory physics labs during COVID-19
Notice bibliographique
Résumé
The sudden COVID lockdown has been a challenge for community college faculty in terms of preparation time, restricted mobility and limited resources.On the one hand, the standard faceto-face lab learning outcomes that are used to assess a student's understanding of the uncertainty, the difference between a "y = ax" versus "y = ax + b" data model, the use of graphical intercept to show systematic error, etc. can be adapted to an online setting when given adequate preparation time.On the other hand, the essence of online lab teaching must include the delivery of some level of experiential activity for which there is convincing evidence in the literature on pedagogy of its worthwhile application.Asynchronous delivery of experiential learning could be used for the synchronous delivery of that learning while the reverse application would require major design changes.Numerous lab videos have been posted on YouTube that were created in the pre-lockdown era and the level of experiential learning in terms of "doing a lab" can be evaluated by replacing the tactile measurement performed in a real lab with an audiovisual measurement shown in a video of a real or simulated instrument in operation.Learning experiences involving simulations would broaden lateral thinking.The "real life doing a lab" transference to "remotely doing a lab" would not be easy to assess during lockdown, when faceto-face practical final exams are impracticable to schedule.Assessment would certainly include grading but grading alone would not provide an adequate holistic assessment.The construction of an assessment rubric for the online experiential learning, based on the McGill University faceto-face experiential learning assessment principle concerning content-process mixture, big picture perspective and reflection is presented here.The advances in artificial intelligence software as it pertains to 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».