As Student Response Systems Expand Features and Question Types, Multiple Choice Continues to be the Gold Standard for Calculations from both Student and Instructor Perspectives
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Student response systems (SRS) continue to evolve as bring-your-own-device (BYOD) systems allow more question and answer types to be utilized. While users were once limited to a button press on a clicker selecting from a list of predetermined responses, students can now generate text and numerical responses on their personal devices. Question and response types are now limited only by software, and new features can be added without requiring an overhaul of the existing system. Using two successive course offerings of a biomedical lab techniques class, the effect of question type was evaluated, using a crossover experimental design, and applied to novel discipline-specific calculations. Students used the Top Hat student response system (tophat.com) to answer either multiple choice questions (MCQ) or numerical response questions (NRQ) in class. Student responses were tracked for elapsed time to completion, performance, and subsequent test performance. Additionally, students were surveyed about their question-type preference. Analysis shows that on formative assessments, students take less time on multiple choice questions, are successful more often, and show a clear preference for this type. When students used those calculations on summative exams, they performed similarly regardless of whether they initially used MCQ or NRQ. Students also expressed clear preference for MCQ. The use of NRQ is still recommended to be used strategically as it increases question difficulty and diversity. The findings from this study may assist STEM instructors looking to formulate their own evidence-based best practices when incorporating SRSs intotheir pedagogy.
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.
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 | 0,002 | 0,007 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 découle