MétaCan
Menu
Retour à la cohorte
Enregistrement W3213516772 · doi:10.17483/2368-6669.1296

A Universal Design for Success: A Mixed-methods Case Study of a First-year BScN Course

2021· article· en· W3213516772 sur OpenAlexaffvenue
Ann Mary Celestini, Catherine Thibeault, Behjat Masood, Brittany Perera

Notice bibliographique

RevueQuality Advancement in Nursing Education - Avancées en formation infirmière · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Practises and Engagement
Établissements canadiensTrent University
Organismes subventionnairesnon disponible
Mots-clésUniversal Design for LearningInclusion (mineral)PsychologyVariety (cybernetics)Focus groupQualitative propertyMathematics educationData collectionClass (philosophy)Research designPopulationLearning environmentSample (material)Qualitative researchMedical educationPedagogyComputer scienceMedicineSociologySocial psychology

Résumé

récupéré en direct d'OpenAlex

No single universal learner type exists, however historically, pedagogical practices in higher education have focused on meeting the learning needs of an average or typical student. The purpose of this study was to describe the manner and extent in which a course, designed using Universal Design for Learning (UDL) principles, provided an inclusive learning environment to a diverse population of first-year baccalaureate nursing students. Co-instructors redesigned a large in-person and place-based course using theoretical and structural principles of UDL to remove potential learning barriers and promote authentic inclusion of all students. A convergent mixed methods descriptive case study design was used to gather qualitative and quantitative data. A purposive convenience sample was drawn from a class of 223 full and part time nursing students. Qualitative data were collected through an end of semester focus group interview (n=12) and research team meetings. Quantitative data collection involved using the Inclusive Teaching Strategies Inventory-Students survey questionnaire (Gawronski, et al., 2016) at course completion (n=32), and document review of final grades (n= 206). The use of UDL principles in the design and teaching supported the needs and abilities of learners with a variety of learning preferences and experience. Students experienced a more inclusive environment with fewer barriers to learning. Large in-person and place-based post-secondary courses designed using the key tenets of UDL successfully support inclusivity of the needs of learners with diverse backgrounds, abilities, and preferences, by proactively reducing barriers in the learning environment.

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)0,042
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,222

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0420,030
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0140,006
Communication savante0,0080,005
Science ouverte0,0050,007
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,093
Tête enseignante GPT0,498
Écart entre enseignants0,405 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueQuality Advancement in Nursing Education - Avancées en formation infirmièreMême sujetHigher Education Practises and EngagementTravaux en français237 207