Benchmarking Course Completion Rates, a Method with an Example from the British Columbia Open University
Notice bibliographique
Résumé
We report findings on the methodological phase of a research project designed to assess the progress of the British Columbia Open University (BCOU) toward a 1997 goal of increasing distance education course completion rates to British Columbia system levels by adapting existing ‘off-line’ courses for online delivery (a virtualization strategy). The method consists of identifying benchmarking factors statistically through the regression of 15 institutional factors on course completion rate data, and using these factors to establish ‘off-line’ course completion rate benchmarks. Off-line courses are print-based independent study courses providing instructional support through e-mail and telephone. The second phase of the project will attempt to benchmark BCOU online courses against their off-line counterparts. The ‘off-line’ completion rates data comprise 137 courses and 23,709 course enrolments and represent a 3-year period. Stepwise linear regression includes 8 factors and accounts for a significant amount of total variation (46.8%). The regression organizes benchmarks effectively along three Course Level and Subject Matter classification factors. We set BCOU benchmarks accordingly and compare them to the BC system. We highlight some unexpected results, including off-line completion rate benchmarks increasing over time. This suggests that BCOU’s off-line courses are making their own contribution toward BCOU’s goal of increasing distance education course completion rates to British Columbia system levels. Cet article rapporte les résultats de la phase méthodologique d’un projet de recherche conçu pour évaluer les progrès de la British Columbia Open University (BCOU) vers son objectif d’augmenter les taux de complétion des cours à distance en regard des niveaux du système scolaire de la Colombie Britannique, en adaptant les cours hors ligne pour en faire des cours en ligne (stratégie de virtualisation). La méthode consiste à identifier les facteurs d’étalonnage de façon statistique grâce à une régression sur quinze facteurs institutionnels à partir des données de complétion des cours, et en utilisant ces facteurs pour établir un étalonnage des taux de complétion de cours hors ligne. Les cours hors ligne sont sur support imprimé et de type auto-apprentissage avec encadrement par la poste, par courriel et par téléphone. La deuxième phase du projet étalonnera les cours en ligne de la BCOU en opposition à leurs contreparties hors ligne. Les données de taux de complétion hors ligne proviennent de 137 cours et de 23 709 inscriptions sur une période de trois ans. La régression linéaire comprend huit facteurs et rend compte d’un pourcentage significatif de la variation totale (46,8%). La régression organise l’étalonnage selon trois facteurs « Niveau de cours » et trois facteurs « Matière ». Nous avons établi l’étalonnage en conséquence et l’avons comparé à celui du système scolaire de la Colombie Britannique. Nous mettons en exergue des résultats inattendus, comme l’augmentation dans le temps de l’étalonnage des taux de complétion des cours hors ligne. Ceci suggère que les cours hors ligne de la BCOU apportent leur propre contribution au but d’atteindre les niveaux du système scolaire de la Colombie Britannique pour les taux de complétion des cours à distance.
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 | 0,020 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».