MétaCan
Menu
Retour à la cohorte
Enregistrement W3173150344 · doi:10.24908/pceea.vi0.14930

DEVELOPING A SELF-PACED COURSE MODULE IN INFORMATION-FINDING AND LITERACY SKILLS FOR COURSEBASED MASTERS' STUDENTS

2021· article· en· W3173150344 sur OpenAlexafffundvenueabout
Evan Sterling, Jolene Hurtubise

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLibrary Science and Information Literacy
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesUniversity of Ottawa
Mots-clésInformation literacyClass (philosophy)Plan (archaeology)Process (computing)Medical educationUnit (ring theory)Computer scienceAsynchronous communicationMathematics educationLiteracyPsychologyPedagogyWorld Wide WebMedicine

Résumé

récupéré en direct d'OpenAlex

Academic librarians in Canada often teach information research skills and information literacy tostudents, including engineering students, via class presentations. These skills include knowledge of the diverse technical information sources available, the use of specialised databases and free search tools, and assessing and properly citing information; they are important in graduate studies and in engineering practise. Course-based masters’ students are a growing demographic in engineering, however their particular needs have not as often been targeted by librarians. In this project, we developed a graded asynchronous course module in these skills, for a new course in professional skills for M.Eng. students. It uses text, images, videos, short assignments and quizzes to follow thegeneral research and writing process for a technical report, marking a significant increase in the contact time for these skills. To date the unit has been taught twice, to over 200 students, with overall feedback being positive. We plan to continue its development and make it openlyavailable.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,098

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0290,012

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 Opus0,006
Tête enseignante GPT0,267
Écart entre enseignants0,261 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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'admission4
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetLibrary Science and Information LiteracyTravaux en français237 207