MétaCan
Menu
Retour à la cohorte
Enregistrement W4385254759 · doi:10.57054/jhea.v15i1.1488

1 - Why Measurement Matters: The Learning Outcomes Approach – A Case Study from Canada

2022· article· en· W4385254759 sur OpenAlexaboutno aff
Andrew Macfarlane, Sarah Brumwell

Notice bibliographique

RevueJournal of Higher Education in Africa · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEvaluation and Performance Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccountabilityQuality assuranceQuality (philosophy)Higher educationExperiential learningActive learning (machine learning)Learning sciencesOpen learningComputer sciencePsychologyMedical educationCooperative learningMathematics educationTeaching methodPolitical scienceArtificial intelligenceBusinessMedicine

Résumé

récupéré en direct d'OpenAlex

Learning outcomes assessment can be a valuable tool for improving educational quality and institutional accountability. When learning outcomes, learning experiences and assessment tasks are aligned, the learning outcomes approach can ground quality assurance and teaching, and learning improvements in direct evidence of student learning. We offer our experiences as an informal case study on the use and development of learning outcomes assessment for quality assurance purposes. Since assessment is the keystone of the learning outcomes approach, our reflections are more broadly driven by the question of how best to measure and demonstrate student learning. This question takes on challenging new dimensions when we consider the fact that the evidence collected through the assessment of learning outcomes must be sound enough to support multiple policy goals.

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)0,006
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,283
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,244
Tête enseignante GPT0,453
Écart entre enseignants0,208 · 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.

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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Higher Education in AfricaMême sujetEvaluation and Performance AssessmentTravaux en français237 207