MétaCan
Menu
Retour à la cohorte
Enregistrement W4224990477 · doi:10.1057/s41304-022-00386-6

Can active learning be asynchronous? Implementing online peer review assignments in undergraduate political science and international relations courses

2022· article· en· W4224990477 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueEuropean Political Science · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Teaching Methodologies in Social Sciences
Établissements canadiensQueen's UniversityUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésActive learning (machine learning)Asynchronous learningAsynchronous communicationComparative politicsPedagogyPeer learningPoliticsPolitical scienceHigher educationPeer instructionSynchronous learningPublic relationsCooperative learningMathematics educationComputer scienceSociologyTeaching methodPsychology

Résumé

récupéré en direct d'OpenAlex

Abstract The phenomenon known as emergency eLearning saw many institutions of higher education switch from face-to-face learning to virtual or online course delivery in response to the COVID-19 pandemic. The transition posed a unique suite of challenges to instructors and students alike, especially in the case of active learning pedagogy. This article reflects on the experiences of a multi-institutional, multi-term pedagogical project that implemented peer review assignments as opportunities for asynchronous but nevertheless active learning. We shared instructor experiences through the course design and application stages of courses in International Relations and political economy, discuss the ability of peer review assignments to create active learning opportunities in online courses, and reflect on our own pedagogical development benefited from the community of practice.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,043
score de la tête « metaresearch » (Gemma)0,058
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesMétarecherche, Études des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,860
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0430,058
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0060,010
Communication savante0,0000,001
Science ouverte0,0020,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,151
Tête enseignante GPT0,469
Écart entre enseignants0,318 · 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