Does Optional Online Quizzing Improve Student Satisfaction and Preparedness in an Undergraduate Elective Advanced Human Anatomy Course?
Notice bibliographique
Résumé
Many methods of online quizzing have been used in the past to assess understanding, improve accessibility, and help improve student success, however it does require additional time and preparation on the part of the student, compared to completing only midterm and final exams. We have previously shown that completing online quizzes throughout the semester improves student success on course exams, however we have only anecdotal feedback about the student experience. The present study will examine student satisfaction in two offerings of an upper‐level elective advanced regional human anatomy course. In both offerings, students completed two online quizzes, each worth 10% of the final grade, and based on material from both lecture and online “dissection” labs (using human anatomy software). In one course, it was mandatory to complete both quizzes, however in the other course the quizzes were optional (with the option of moving the 10% to the midterm and final exam respectively for the two quizzes). Data will be presented from a student satisfaction survey with Likert‐style questions, through which we will assess student satisfaction with the usefulness and accessibility of the online quizzes to help guide future course design. Data will be compared between the two courses, as well as between the students in the optional course who chose not to complete quizzes, and those who do. We hypothesize that students will feel better prepared for midterm and final exams if they completed the quizzes, and that they will prefer the flexibility and accessibility of the optional quizzes, compared to the non‐optional quizzes. Support or Funding Information York University Faculty of Health Dean's Catalyst eLearning Grant This abstract is from the Experimental Biology 2019 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 | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».