Notice bibliographique
Résumé
Due to the pandemic lockdown, York University’s Fall 2020 offerings of a pair of 1st and 2nd year undergraduate engineering and computer science courses were heavily modified to accommodate a completely online approach to teaching. The objective was to maximize interactivity and hands-on elements while also providing a supportive and authentic learning experience. Class presentations were made asynchronous by uploading them to YouTube and superimposing H5P elements via our Moodle-based LMS. Our traditional laboratory equipment was replaced with inexpensive lab kits that were obtained from commercial vendors and shipped to students via the university’s Bookstore. All tests, quizzes and exams were eliminated in both courses. Instead, a specifications-based assessment approach was taken, with all students given the opportunity to achieve a B+ if they completed all the work in the class. Students who wished to submit a final project could do so for an opportunity to boost their grade to A or A+. Most intra-semester deadlines were removed, with material associated with the synchronous lab sessions being the notable exception. The resulting grade distribution and averages were similar to previous years inwhich we relied to in-person testing. The rate of A/A+ was 21% and 8%, while the failure rate was 13% and 3% , respectively, for the first and second year classes. Informal feedback from students, including those with academic accommodations, was nearly universally positive, with most acknowledging that their stress levels were lower, making the learning more manageable. En raison de la crise sanitaire et le confinement COVID19, deux cours d’ingénierie de 1`ere et 2`eme année de l’université York ont été modifiés pour s’adapter à une approche d’enseignement entièrement numérique. L’objectif des adaptations était de permettre aux étudiants d’apprendre du matériel technique de manière pratique et interactive sur internet. Les présentations en classe ont été rendues interactives et asynchrones en les téléchargeant sur YouTube et en superposant des ressources H5P via notre environnement numérique d’apprentissage Moodle. Nos équipements de laboratoire traditionnel ont été remplacé par des kits de laboratoire abordables obtenus auprès de fournisseurs commerciaux et expédies aux étudiants via la librairie de l’université. Nous avons éliminé tous les tests, questionnaires et examens dans les deux cours. Une approche basée sur les spécifications a été adoptée, permettant les élèves d’obtenir un B+ s’ils terminent tous les travaux de la classe. Les étudiants qui souhaitaient un A ou A+ devaient soumettre un projet final. La plupart des délais intra-semestriels ont été supprimés, le matériel associé aux sessions de laboratoire synchrones étant l’exception notable. La distribution des notes et les moyennes étaient similaires aux années au cours desquelles nous nous sommes appuyés sur des tests en personne. Le taux de A / A + était de 21% et 8%, tandis que le taux d’échec était de 13% et 3%, respectivement, pour les classes de premières et deuxièmes années. La rétroaction informelle des étudiants, y compris ceux qui avaient des accommodements scolaires, était presque universellement positive, la plupart reconnaissant que leur niveau de stress était réduit et que l’apprentissage était gérable.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,011 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».