Teaching and assessing students of information literacy in a single session—The case of the University of the West Indies Mona library
Notice bibliographique
Résumé
Assessing the performance of information literacy (IL) students can be a daunting task for librarians globally. Most IL sessions are taught in 1 to 2 hours where any meaningful assessments are difficult to achieve. This research demonstrated how this feat was achieved in an active learning environment through the use of Google Forms. This mixed method study shows how this was effectively achieved to test both lower and higher order skills in a 2 hour session to one hundred and seventy-two foundation writing course students.The research tested a rarely examined feature of Google Forms which is the tool’s effectiveness in enabling comprehensive assessment, facilitating active learning, and identifying instructional errors in an IL instruction session. The findings show that Google Forms can be used to teach and administer a quiz using both multiple-choice as well as open-ended questions to assess both low and higher order learning skills in IL. Students were able to actively respond to questions while they were being taught, the data gathered and analyzed and used to inform future library instruction. It also showed that Google Forms are useful not simply to administer multiple-choice quizzes at the end of teaching but can be used in executing real-time assessment and support active learning. Because Google Forms support the easy creation of charts and downloading/exporting of statistics, results of assessments can be shared among librarians, faculty, and students to motivate and encourage digital pedagogy. It allows for greater collaboration with faculty in the cooperative teaching of students in single sessions where there is usually difficulty in having dialogue with faculty once a session ends. This case study is based on a limited number of students; thus, the findings of this research may not be generalized but the methodology and some skills in teaching the concepts encountered by librarians may be replicated.
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 | 0,003 | 0,005 |
| 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 | 0,005 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».