Quick response codes for virtual learner evaluation of teaching and attendance monitoring
Notice bibliographique
Résumé
Implication Statement Monitoring attendance and obtaining timely learner evaluations for virtual teaching sessions can be challenging. At our Obstetrics and Gynecology webinar programme, we have utilised Quick Response (QR) codes this purpose. Following each session, attendees scan an on-screen QR code which links to an online evaluation form and registers their attendance. Feedback can therefore be obtained quickly, is scalable to large participant numbers and is securely stored in digital format. QR reader applications are widely available and cost-free, which makes this technique accessible for learners. Using QR codes for teaching evaluation is simple and could be adopted across many educational applications. Énoncé des implications de la recherche Contrôler la présence des étudiants aux cours en ligne et obtenir en temps utile leur évaluation des séances d'enseignement virtuelles peut constituer un défi. Dans notre programme de webinaires en obstétrique et gynécologie, nous le faisons à l'aide de codes de réponse rapide (codes QR). Après chaque séance, les participants scannent un code QR qui apparaît sur leur écran; la lecture du code permet de confirmer leur présence et renvoie à un formulaire d'évaluation en ligne. Ce mécanisme rend possible la rétroaction rapide, la participation d'un grand nombre de personnes et la conservation sécuritaire de l'information en format numérique. Les applications de lecture de codes QR sont largement disponibles et gratuites, et donc accessibles aux étudiants. L'utilisation des codes QR pour évaluer les cours est simple et elle peut être intégrée dans de nombreuses applications éducatives.
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 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 | 0,011 | 0,060 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».