MétaCan
Menu
Retour à la cohorte
Enregistrement W4285233321 · doi:10.37590/able.v42.abs66

Improving Scientific Writing

2022· article· en· W4285233321 sur OpenAlexaff
Maryam Moussavi, Natasha Pestonji-Dixon

Notice bibliographique

RevueAdvances in Biology Laboratory Education · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMathematics educationPsychology

Résumé

récupéré en direct d'OpenAlex

Effective written scientific communication is a major goal of science education, however undergraduate students typically report difficulty in how to approach and plan scientific writing. To support and develop student writing skills and lessen this difficulty, I have created a series of worksheets designed to guide student writing for each component of a scientific article including support around the structure and logic of scientific arguments/explanations. This study explores student perception of these worksheets in an undergraduate introductory molecular biology lab. Student perception was collected via a series of surveys on each individual worksheet as well as a longer end-of-term survey on all of the worksheets as a whole. Analysis of these surveys indicated that students appreciated these worksheets and found that the worksheets helped them organize their thoughts prior to writing, felt more prepared to write their research paper, and will use some techniques noted/demonstrated in these worksheets in future scientific writing. This study shows that scientific writing worksheets can scaffold student learning when there is a clear and specific structure to follow with integration between the worksheets and the writing process.

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 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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,912
Score d'incertitude au seuil0,765

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,017
Tête enseignante GPT0,422
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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Biology Laboratory EducationMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207