Deconstructing the lab notebook and scaffolding assessments in a course-based undergraduateresearch experience (CURE)
Notice bibliographique
Résumé
The pedagogical framework of a course-based undergraduate research experience (CURE) involves having students learn essential experimental techniques, design an experiment, carry out the experiment, interpret data and communicate results (McLaughlin & Coyle, 2016).Common assessments used in a CURE are a research proposal, lab notebook, and manuscript/poster/presentation.However, there are several challenges with the use of the lab notebook as an assessment tool.For example, grading of the lab notebook often occurs after an experiment is complete.Errors in understanding or calculations are not caught prior to the students performing the experiment which can lead to a waste of expensive reagents and potentially limit the ability to do CUREs with molecular techniques.Furthermore, finding and assessing information in a lab notebook is extremely time consuming and comments may not be read or understood.To address these issues, I deconstructed the lab notebook into experimental plans and data submissions.Using these assessments, my observations in the lab (echoed in student feedback) are that students come to the lab more prepared, understand the protocol, and feel confident in their ability to troubleshoot if something goes wrong.Importantly, the experimental plans can be peer graded in class while the instructor goes over the information.This provides important, timely, and relevant feedback to the students.Lastly, the use of experimental plans and data submissions allows the scaffolding of assessments for the scientific communication pieces (manuscript/poster/presentation).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».