Course Evaluations ‐ Are We Gaining Insight, or Feeding Egos? Using Novel Evaluations to Uncover Value
Notice bibliographique
Résumé
Assessment is generally the evaluation of student learning and competency. But, when the roles are reversed, and we ask students for their perspective, assessment has the potential to improve a course. Unfortunately in practice however, there are some limitations. In particular, asking students to rate their experience on ubiquitous Likert scale evaluations imposes a ceiling effect, which limits utility. So while top notch evaluations feel great, and often support tenure, promotion and hiring decisions, constructive change seldom results. Over the past 7 years the Education Program in Anatomy at McMaster University has focussed on understanding learner profiles in an interprofessional education (IPE)/anatomy dissection course using multiple evaluation strategies. By employing Likert‐scales, qualitative ratings and Q method, students were asked about what they valued in the course. Specifically through Q method's factor analysis, individuals were grouped based on similarities in their rankings of common preferences/viewpoints: three previously unknown independent learner groups (Anatomy IPE Enthusiasts, Practical IPE Advocates and Skeptical IPE Anatomists) were identified for which common challenges could be addressed. Conversely, qualitative and Likert‐based analyses provided less granular information which was not directly useful for course evolution. With the above study serving as an exemplary template, we will challenge value of current course evaluation practices, and further explore Q methodology as a viable and valuable alternative. In all, session attendees can expect to learn methods for better understanding the types of students in our classrooms which will support strategies for more refined student‐centred learning. This abstract is from the Experimental Biology 2018 Meeting. There is no full text article associated with this abstract published in The FASEB Journal .
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 | 0,032 | 0,133 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,015 | 0,021 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».