The Evaluation of an Integrated Growth & Goals Module to Better Equip Students with Learning Skills in Postsecondary Courses: Systematic, Scalable, and Explicit
Notice bibliographique
Résumé
Objective: Most students spend years in formal education settings without being explicitly taught how to learn effectively. Our objective was to evaluate an innovative intervention designed to effectively equipping all students with learning skills, called the Growth & Goals Module, which is an adaptable open education resource available in English and French. Methods: We evaluated the module using a Practical Participatory Evaluation approach and the 4-level Kirkpatrick Evaluation model. To investigate ten research questions aligned with the model, we collected data from 1845 students and five educators from nine undergraduate courses in science, engineering, and mathematics through questionnaires, focus groups, course assessments, and institutional data. Results: Students and educators reported high satisfaction (Level 1, Learning). The training was new to most students and most completion rates were over 75% when educators provided an incentive. Students in some demographics used the module less than others. In Level 2 (Learning), students’ metacognitive skills increased. They could identify SMART goals and differentiate growth/fixed mindset statements. At Level 3 (Behaviour), students reported intending to use the module in the future. Most educators created learning outcomes for the first time. The module required little time of students and educators; however, greater support, incentives, and rewards are needed for project sustainability. Educators have used the module in courses in many disciplines and levels (Level 4, Results). Conclusions: The Growth & Goals module explicitly teaches core learning skills for students in science, engineering, and mathematics courses and has the potential to scale to other disciplines and levels.
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 | 0,028 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 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 | 0,000 |
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.
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 ».