Joining students on their SLICCs journey
Notice bibliographique
Résumé
At Waterloo Engineering, we have great student leaders who go far beyond the average of 120 hours needed for a course credit in leadership roles, but currently receive no academic credit for this work. The SLICC (Student-Led, Individually-Created Course) model, developed by professors at the University of Edinburgh, is a great way to help the student leaders reflect on their own leadership experiences in a personalized format, producing a product that is of value to them. That is the motivation for a new course, offered in the winter 2022 term for the first time, GENE 415: Practical Analysis of Student Leadership Experience. As instructors, we were completely new to the SLICC model. After some basic training in the mechanics of the SLICC process with folks at Waterloo who are implementing it in their courses and support from folks at the University of Edinburgh, we put ourselves through a SLICC project with our students. This was done with lots of support from a senior educational developer from the Centre for Teaching Excellence. This is the story of SLICCs being implemented by two seasoned instructors and their educational journey to guide ten senior engineering student leaders through a new course designed to acknowledge, through course credit, their substantial leadership experiences throughout their undergraduate studies in engineering. This SLICC experience was completed at the height of the Omicron wave of COVID-19 in Ontario, revealing both the benefits and challenges of this self-directed learning model being implemented in an online environment and then shifting to in-person.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,020 | 0,005 |
| Communication savante | 0,015 | 0,006 |
| Science ouverte | 0,003 | 0,027 |
| Intégrité de la recherche | 0,004 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,165 | 0,068 |
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 ».