MétaCan
Menu
Retour à la cohorte
Enregistrement W3128483174

Selecting and grouping students effectively – increasing intra-group diversity and inter-group equality

2020· article· en· W3128483174 sur OpenAlexaff
Calila Santos, Allison Imrie

Notice bibliographique

RevueUWA Profiles and Research Repository (University of Western Australia) · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesnon disponible
Mots-clésGroup (periodic table)Diversity (politics)Computer scienceMathematicsSociologyAnthropology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Group work is a collaborative experience that teach valuable interpersonal skills. It offers great opportunity to address and consider students’ backgrounds, interests and performance in different ways. For poster presentations, for instance, communicative competence is critical, and in Western cultures, expectations go beyond English language proficiency. It also includes eye contact, assertive voice timbre and posture and gestures that reflect confidence and knowledge. Group work allows students from different backgrounds to share these skills and learn from each other. Allocation of members into groups is often done by self-selection or randomly. Self-selected groups are biased towards friendship but tend to be easier to administer. Random allocation is perceived as fair by the students, but at the same time, it is an overused approach. Random group allocation resolves the friendship bias and helps in balancing student heterogeneity. However, the randomness of the process does not guarantee academically balanced inter-groups. Alternatively, students can be grouped based on their academic performance. However, not by clustering high- or low-performing students (ability grouping), but rather equally distributing them across different groups, with each group including students with a broad grade distribution. We used this latter group allocation strategy for a Virology poster assignment for third-year students at UWA. It was hypothesised that it would be a fairer student distribution, with possible improvement in academic performance across the class. We observed an increase in the class overall average score, with a 3-fold increment in top-HD marks (grades >90%), compared to last year, in which groups were assigned randomly. Students reported to have learned communication and leadership skills from peers; and believed their final mark for the assignment was fair based on their contribution to the group. We observed that deliberately mixing students with different academic performance encouraged cooperative learning and benefited both high- and low-performing students.

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)0,006
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,001
Communication savante0,0030,002
Science ouverte0,0020,008
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,004

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 Opus0,221
Tête enseignante GPT0,370
Écart entre enseignants0,150 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUWA Profiles and Research Repository (University of Western Australia)Même sujetGender Diversity and InequalityTravaux en français237 207