MétaCan
Menu
Retour à la cohorte
Enregistrement W3136555995 · doi:10.3138/cjpe.69601

In Their Own Words: Student Key Learning Experiences in an Introductory Evaluation Course

2021· article· en· W3136555995 sur OpenAlexvenueaboutno aff
John M. LaVelle, Zhou Yang

Notice bibliographique

RevueCanadian Journal of Program Evaluation · 2021
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEvaluation and Performance Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésKey (lock)PsychologyTaxonomy (biology)Mathematics educationGrounded theoryPedagogyReflective practiceMedical educationComputer scienceQualitative researchSociologyMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract: Reflections by students on their key learning experiences in evaluation courses can provide useful data for educators seeking to identify the most impactful aspects of their teaching practice. In this practice note we describe how an instructor has included active reflective practice as part of their teaching practice, and how both the instructor and a graduate student analyzed other student reflections on key learning experiences to help improve the course. We first analyze these reflections using grounded theory, then perform two additional analyses, one using Fink’s taxonomy of significant learning and the second using both the Canadian Evaluation Society’s Competencies for Canadian Evaluation Practice and the American Evaluation Association’s Competencies framework. We conclude by reflecting on how the frameworks provided helpful data to understand and improve the practice of teaching evaluation through the lens of the student learner.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,038
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,660
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0380,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,300
Tête enseignante GPT0,546
Écart entre enseignants0,246 · 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 tête enseignante, pas un consensus.

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

Citations12
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Program EvaluationMême sujetEvaluation and Performance AssessmentTravaux en français237 207