MétaCan
Menu
Retour à la cohorte
Enregistrement W4313425625 · doi:10.5430/jct.v12n1p27

Utilisation of High-Impact Educational Practises (HIPS) to Engage Undergraduates: A Preliminary Case Study

2023· article· en· W4313425625 sur OpenAlexvenueno aff
Subashini K. Rajanthran, Walton Wider, Ling Shing Wong, Choon Kit Chan, Siti Sarah Maidin

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueService-Learning and Community Engagement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumVariety (cybernetics)Medical educationDescriptive statisticsPsychologyMathematics educationMedicinePedagogyComputer science

Résumé

récupéré en direct d'OpenAlex

The purpose of this preliminary study is, firstly, to identify the most preferred high-impact educational practises (HIPs) among undergraduates and, secondly, to recommend best practises and strategies for implementing HIPs in higher education. This study included 61 undergraduates from a variety of degree programmes that implemented HIPs in one general studies course. Descriptive statistics and frequency were used to analyse the data. The findings revealed that the most popular HIP among undergraduates is service/community-based learning (SBL), and the least preferred HIP among undergraduates is Intensive Academic Writing (IAW). This study's findings are critical for preliminary understanding of the importance of learning styles in order to be effective and sensitive in teaching and learning, to have flexible and diverse instructional planning, and to diversify teaching methods. This was a preliminary case study that emphasised the significance of HIPs in the higher education curriculum and their implementation for a positive academic learning experience among undergraduates.

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)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,238
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,053
Tête enseignante GPT0,397
Écart entre enseignants0,344 · 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'étudeQualitatif
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetService-Learning and Community EngagementTravaux en français237 207