MétaCan
Menu
Retour à la cohorte
Enregistrement W3142449150

Benchmarking Course Completion Rates, a Method with an Example from the British Columbia Open University

2007· article· en· W3142449150 sur OpenAlexvenueaboutno aff
Louis Guiguere

Notice bibliographique

RevueInternational journal of e-learning & distance education · 2007
Typearticle
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBenchmarkingBenchmark (surveying)Open universityComputer scienceDistance educationLibrary sciencePsychologyMathematics educationBusinessGeographyMarketing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

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 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)0,060
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,673
Score d'incertitude au seuil0,650

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,060
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,010
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,320
Écart entre enseignants0,300 · 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'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

Citations1
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational journal of e-learning & distance educationMême sujetOnline Learning and AnalyticsTravaux en français237 207