Notice bibliographique
Résumé
Abstract Since 2005, Michigan State University has offered an online graduate-level course in animal welfare assessment. The course was designed to overcome geographic barriers in terms of limited instructor expertise in welfare at individual universities and to reach an international student audience. Over 280 students have taken the course—including undergraduate, veterinary, and graduate students; practicing veterinarians; and professionals. Students have attended from 22 states and 13 different countries, including Thailand, Canada, Nepal, Kenya, China, and Australia. The course was designed and continues to be modified to accommodate students attending from different time zones, with different types of technology, and with different speeds and reliabilities of Internet access. An asynchronous format is used, with content delivered via short, recorded lectures and videos as well as electronically available textbook chapters and journal articles. In response to student and instructor needs, the course has evolved from a tech heavy but bandwidth intensive format to one using simpler technology and less bandwidth to reduce student barriers to participate and ensure equitable content access and engagement. Content is offered through the Desire 2 Learn course management system at MSU, which also performs accessibility checks of content. Lectures and videos are captioned to help accommodate visually impaired students or those in noisy environments and PDF handout versions of lecture slides are also made available. Rubrics and examples are used to guide completion of assignments. In 2020, the course was co-taught by MSU, Texas A&M and Virginia Tech. Several class meetings were held via Zoom to allow students to meet and interact with each other, though issues with scheduling prohibited all students from attending. Feedback surveys indicate students are generally satisfied with course content, delivery technology and interactions with instructors and peers. Creating an inclusive virtual environment requires attention to student constraints, with simpler typically being more accommodating.
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 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,003 | 0,016 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,080 | 0,027 |
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 ».