Meta-analysis to estimate the relative effectiveness of TBLT programs: Are we there yet?
Notice bibliographique
Résumé
Bryfonski and McKay published a meta-analytic review of reports on the effectiveness of task-based programs relative to other types of programs. The aggregated effect in support of task-based programs was substantial. However, Boers et al. re-examined the 27 comparative studies from which this effect size was calculated and argued that, with one exception, they did not serve the intended purpose of the meta-analysis well. However, in a recent publication, Xuan et al. argue that a good number of the primary studies used by Bryfonski and McKay are in fact suitable for a meta-analysis if the programs they assess are re-defined as task-supported rather than task-based programs. Xuan et al. then conducted a meta-analysis of 16 of the 27 comparative studies that were originally included in Bryfonski and McKay’s analysis, confirming the benefits of programs that use tasks, albeit with a smaller aggregated effect size. The present article revisits these 16 studies and, in addition, examines a handful more recent ones published since Bryfonski and McKay’s original meta-analysis. The conclusion remains that the field is not ripe yet for a meaningful meta-analysis of the relative effectiveness of either task-based or task-supported programs. Interpreting the outcomes of the meta-analytic endeavours reported so far is especially difficult because of a lack of clarity in both the primary study reports and the meta-analyses of what constitutes a task-supported program and of what is understood by ‘task’.
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 | 0,130 | 0,229 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,003 |
| Méta-épidémiologie (sens large) | 0,043 | 0,074 |
| Bibliométrie | 0,014 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».