Research and Education Posters Presented at the 121st Virtual Annual Meeting of the American Association of Colleges of Pharmacy, July 13-31, 2020
Notice bibliographique
Résumé
Objective: In 2018, we developed and implemented a course report template to serve as a comprehensive tool to gather qualitative and quantitative data to support cyclical program evaluation and inform curriculum renewal.At the individual course instructor level, the course report serves as a reflective teaching tool and generates data on course changes.The primary objective of this study is to examine if the annual course reports identify strengths, challenges, and recommendations for quality improvement.Methods: For the 2018-2019 academic year, we gathered data from the course reports and follow-up meeting notes with course instructors.NVivo was used to conduct thematic analysis of course report qualitative narrative and meeting notes.This was guided by the broad themes of strengths, challenges, and recommendations for quality improvement.This included data on student performance, student course evaluations, approaches to learning, teaching strategies, and assessments.Results: Across all courses, the most common strengths identified were: 1) teaching methodologies (case/problem-based learning and small groups/workshops), and 2) the use of Learning Management System and other related technology.The main challenges identified were logistical issues (eg, scheduling).Finally, three major themes that emerged from recommendations for quality improvement were: 1) increase constructive alignment (eg, learning outcomes, content, etc.), 2) change course format/delivery, and 3) provide additional resources (eg, teaching assistants, clinical instructors, etc.).Conclusions: Implementing the use of an annual course report centralizes important course data into a single document.This allows course coordinators and program leads to engage in meaningful dialogue to identify important emerging themes for consideration during annual course review and renewal.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,410 | 0,090 |
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 ».