MétaCan
Menu
Retour à la cohorte
Enregistrement W4389252508 · doi:10.20429/ijsotl.2023.17206

Tri-Party Collaborative Course Design: Proposal of a Framework for Higher Education Courses

2023· article· en· W4389252508 sur OpenAlexafffundabout
Rafael Chiuzi

Notice bibliographique

RevueInternational Journal for the Scholarship of Teaching and Learning · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Practises and Engagement
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of Toronto MississaugaUniversity of Toronto
Mots-clésStakeholderCourse (navigation)Class (philosophy)Focus groupQualitative propertyQualitative researchEngineering managementMedical educationMathematics educationComputer scienceEngineeringPsychologyPolitical scienceSociologyPublic relationsBusinessMarketingMedicine

Résumé

récupéré en direct d'OpenAlex

This article presents a tri-party collaborative course-design framework using a case study based on the launch of a new 4th year course at the University of Toronto, Mississauga, Department of Management. This study employed a multi-method qualitative approach consisting of a survey, followed by three focus groups with distinct stakeholder groups: students, industry practitioners, and academics. The results revealed a surprising overlap of interests among the different groups, with the data supporting the design of the new course, which was launched in the Fall of 2022. In addition, data from current students indicated robust positive acceptance of both the course content and class dynamics. The results confirm the proposed framework’s promise for use in designing new courses or redesigning existing ones.

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)0,008
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,736
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,005
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 Opus0,105
Tête enseignante GPT0,469
Écart entre enseignants0,364 · 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'étudeThéorique ou conceptuel
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'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal for the Scholarship of Teaching and LearningMême sujetHigher Education Practises and EngagementTravaux en français237 207