MétaCan
Menu
Retour à la cohorte
Enregistrement W3166555804 · doi:10.1096/fasebj.2021.35.s1.01540

Covidaze Juggle: Undergraduate Teaching Assistants (TAs) with a Large Online Freshmen Course

2021· article· en· W3166555804 sur OpenAlexaffabout
Shadi Sadeghian, Jinny Kim, J.B. Penn, Dominic Hass, Wenteng Hou, Sofia Ivanesivic, Declan Lavoie, Jung Woo Park, Aaron Wen, Sophie Zarb, Jake Colautti, Elaine Lynn‐Ee Ho, David Klitovchenko, Aryana Zarandi

Notice bibliographique

RevueThe FASEB Journal · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Teaching Methods
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésSession (web analytics)EnthusiasmFlexibility (engineering)Flipped classroomComprehensionPsychologyPresentation (obstetrics)Mathematics educationMedical educationComputer scienceMedicineWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

As undergraduate students in a Health Sciences Program we were selected as teaching assistants (TAs) in a freshman introductory Cellular and Molecular Biology course that we had all taken in a standard format. The course was tightly focused on cell communication ( Adv Physiol Educ 36: 13–19, 2012, Biochem Mol Biol Educ. 2013 May‐Jun;41(3):145‐55). The new version was offered synchronously on‐line to 273 students who were in different time zones (within Canada and abroad, Africa, Asia). Didactic sessions (both flipped/non‐flipped) were followed by TA sessions (60‐90 mins.) designed to help students consolidate content and prepare them for active assessments used (The FASEB Journal, 31: 575.2‐575.2.). Each tutorial Group had on the average, twenty students. For the tutorials, we met them in virtual break‐out rooms where we had considerable flexibility to organize our sessions. Larger groups were reconvened to meet the instructors either on the same day or on a separate session. These sessions served to further consolidate their learning. In addition, we had the options of organizing office hours on our own to deal with our students. We were taking several of our own on‐line courses in parallel. These dual obligations as teachers in one course and learners for several others posed many challenges. As teachers, we had to foster engagement, promote interactions, gauge comprehension, maintain enthusiasm, identify individual learning needs despite lack of verbal, non‐verbal cues as many students remained both silent and invisible and also deal with technical glitches. To prepare for our own courses we faced similar technical issues, maintained enthusiasm, battled online fatigue, engaged with our Professors and TAs, dealt with conflicting schedules, found resources, remained flexible, and stayed focused as the lack of a distinct campus environment blurred boundaries between home and academia. We adapted rapidly to cope with these concurrent contrary demands.

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)0,005
score de la tête « metaresearch » (Gemma)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,176

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,001
Communication savante0,0040,002
Science ouverte0,0030,008
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0530,028

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 Opus0,041
Tête enseignante GPT0,382
Écart entre enseignants0,341 · 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

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetInnovative Teaching MethodsTravaux en français237 207