MétaCan
Menu
Retour à la cohorte
Enregistrement W3133676380 · doi:10.5430/jct.v10n1p29

A Case Study of Undergraduate and Graduate Student Research in STEM Education

2021· article· en· W3133676380 sur OpenAlexvenueno aff
Lauren Birney, Brian R. Evans, Joyce Kong, Vibhakumari Solanki, Elmer‐Rico E. Mojica, Gaurav Kondapuram, Dimitrios Kaoutzanis

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Teaching Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnthusiasmExperiential learningUndergraduate researchMedical educationGraduate studentsProcess (computing)PsychologyPedagogyMathematics educationMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

Student research in STEM education is an important learning component for both undergraduate and graduate students. It is not sufficient for students to learn passively in lecture-based classrooms without engaging and immersing themselves in the educational process through real-world research learning. Experiential learning for STEM students can involve conducting research, alongside and through the guidance of their professors, early in a student’s undergraduate or graduate program. The authors consider such experiences to be the hallmark of a high-quality STEM education and something every student, undergraduate and graduate, should have during the course of their programs. The purpose of this case study is to document the faculty authors’ experiences in student-faculty research and provide guidance and recommendations for best practices based upon the authors’ experience, data, and literature findings. Moreover, the study presents the experience of the faculty authors’ international student researchers in STEM with focus on two student researchers, one undergraduate and one graduate, who are international STEM. The students served as co-authors on this project. Findings from this case study indicate that students were highly engaged in the research process and found these skills valuable preparation for further study and career. Moreover, the students expressed enthusiasm and engagement for the research process.

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)0,020
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,027
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0190,009
Communication savante0,0080,005
Science ouverte0,0040,008
Intégrité de la recherche0,0060,006
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,272
Tête enseignante GPT0,529
Écart entre enseignants0,257 · 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'étudeQualitatif
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

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetInnovative Teaching MethodsTravaux en français237 207