Faculty in Action: Researching a Community of Practice Approach to Institutional Learning Outcomes Assessment
Notice bibliographique
Résumé
Increasingly, postsecondary education institutions are articulating institutional learning outcomes that define core competencies and evidence student learning to justify their value; however, concerns have arisen due to lack of authenticity, faculty autonomy, and representation of diverse disciplinary perspectives and worldviews (Lucas in Policy and Society 33(3):215–224, 2014 ). To actively engage faculty in co-designing institutional rubrics and learning outcomes assessment, we designed an action research project with the goal of examining and improving assessment practices related to institutional learning outcomes. The project is now in its fourth action research cycle; this paper describes the first two years of trialing a faculty-led community of practice approach to course-embedded assessment we call Strategic Assessment of Institutional Learning . We further describe the landscape of institutional learning outcomes assessment, two iterative cycles of action research, and seven themes that surfaced during the project. These seven themes informed the direction of learning outcomes assessment at our university: 1) student informed consent, 2) trust and community, 3) assignment selection, 4) rubric clarity and disciplinary variation, 5) framing the degree of student achievement, 6) implications for course redesign, and 7) faculty motivation.
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 | 0,292 | 0,319 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,012 | 0,006 |
| Études des sciences et des technologies | 0,013 | 0,036 |
| Communication savante | 0,021 | 0,023 |
| Science ouverte | 0,007 | 0,021 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».