Approaches for evaluating learning outcomes in competency-based educational programs: a protocol for a scoping review
Notice bibliographique
Résumé
Core competencies such as health knowledge, issues affecting humans, animals, plants, and the environment, principles of research, and program/policy evaluation are recommended for One Health programs in North America (Togami et al., 2018). Identifying appropriate methods to evaluate learning outcomes will indicate whether students are able to demonstrate the One Health core competencies that will equip them with the necessary skills to tackle complex challenges in Canada, such as climate change and infectious diseases. A scoping review of available methodologies for evaluating learning outcomes in competency-based educational programs will enable researchers at the University of Guelph to determine if a new framework should be drafted for evaluating One Health learning outcomes within the university, or whether existing frameworks can be tailored to best suit evaluation of the One Health learning outcomes at the University of Guelph, and ultimately in One Health programs at universities across Canada. \nObjectives: The objective of this protocol is to define the methods for a scoping review that will characterize available literature on methods used to evaluate learning outcomes in competency-based educational programs at the post-secondary level.
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 | 0,215 | 0,207 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,006 |
| Méta-épidémiologie (sens large) | 0,010 | 0,014 |
| Bibliométrie | 0,023 | 0,022 |
| Études des sciences et des technologies | 0,007 | 0,007 |
| Communication savante | 0,010 | 0,010 |
| Science ouverte | 0,007 | 0,010 |
| Intégrité de la recherche | 0,011 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,063 | 0,018 |
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 ».