MétaCan
Menu
Retour à la cohorte
Enregistrement W4388810367 · doi:10.5430/jct.v12n6p253

Are Simulated Coding Interviews a Fair and Practical Examination Format for Non-professional Programmers Enrolled in a Master’s Degree Program in Biostatistics?

2023· article· en· W4388810367 sur OpenAlexvenueno aff
Jesse D. Troy, Gina‐Maria Pomann, Megan L. Neely, Steven C. Grambow, Greg Samsa

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2023
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistics Education and Methodologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInterviewBiostatisticsCoding (social sciences)Computer scienceGraduation (instrument)Medical educationPsychologyMathematics educationMedicineEngineeringNursingSociology

Résumé

récupéré en direct d'OpenAlex

This report describes an innovative and evidence-based approach to implementing coding interviews as an examination format for non-professional programmers: namely, students in a Master of Biostatistics program taking a course in the language of SAS. In addition to its academic purpose, the coding interview examination also serves as practice for what our students will likely encounter when interviewing for jobs after graduation. We discuss our experience with coding interviews as an examination format in light of two questions: "Is it fair?" and "Is it practical?". We propose that the answer to both questions is "yes". A detailed description of the exam goals and structure is provided, along with sample questions, model answers, and a brief discussion of the rationale for each question. We also review student feedback from the course evaluation and summarize our conclusions related to fairness and practicality.

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)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,824
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,291
Tête enseignante GPT0,495
Écart entre enseignants0,205 · 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'étudeAutre devis
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetStatistics Education and MethodologiesTravaux en français237 207