Rubrics May Be a Useful Tool for Assessing MLIS Student Learning Experiences
Notice bibliographique
Résumé
A Review of: Adkins, D., Buchanan, S. A., Bossaller, J. S., Brendler, B. M., Alston, J. K., & Moulaison Sandy, H. (2021). Assessing experiential learning to promote students’ diversity engagement. Journal of Education for Library and Information Science, 62(2), 201–219. https://doi.org/10.3138/jelis.2019-0061 Abstract Objective – To develop a rubric to assess diversity awareness and professional socialization through in-person or online experiential learning for online MLIS students. Design – Exploratory case study. Setting – School of Information Science & Learning Technologies, University of Missouri. Subjects – Six experiential learning projects designed to promote diversity and professional socialization for online MLIS students. Methods – The authors developed a rubric in order to evaluate the characteristics of several experiential learning projects. The major themes that were measured in the rubric were identified through a comprehensive literature search, and these included Professional Socialization, Service Orientation, Values Orientation, and Diversity & Inclusion. The authors also added three original accessibility factors that they considered relevant from a practical approach: time, money, and geographic mobility. Main Results – The rubric was successfully applied to several ongoing experiential learning projects, as well as to a new project. The authors concluded that it provided a useful framework for assessing the accessibility and estimated value of these experiences. Conclusion – The rubric seems to be a useful start to assessing experiential learning. However, more research is needed to ensure that it is actually measuring the domains that it is intended to measure. This study only focused on whether the rubric could be applied, whereas future studies should assess its accuracy. The rubric may be useful for curriculum evaluation and planning, accreditation, tenure/promotion, and instructor self-assessment.
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 | 0,024 | 0,090 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,022 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,006 |
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 ».