MétaCan
Menu
Retour à la cohorte
Enregistrement W4389314133 · doi:10.5206/cjsotlrcacea.2023.2.11016

The One2One Structured Oral Examination is a Valuable and Positively Rated Science Education Tool that Drives Academic Success.

2023· article· en· W4389314133 sur OpenAlexaffvenue
Erin Spicer, Matthew D. Ramer

Notice bibliographique

RevueThe Canadian Journal for the Scholarship of Teaching and Learning · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Strategies and Epistemologies
Établissements canadiensHumber Polytechnic
Organismes subventionnairesnon disponible
Mots-clésPsychologyThematic analysisPerceptionTest (biology)Medical educationMedicineQualitative research

Résumé

récupéré en direct d'OpenAlex

Structured oral examinations (SOEs) result in higher test scores than traditional written assessments, but there lacks reproducible quantitative evidence supporting knowledge acquisition and retention. A modified SOE—called the One2One—whereby students present prepared answers to an instructor was evaluated for effectiveness in large classes despite its resource-intensive nature. This study used a post-assessment survey (Efficacy Assessment Survey, EAS) to measure the effect of the One2One on knowledge acquisition and retention, as well as student perceptions of its usefulness and perceived value. The One2One helped students learn and retain content better than by didactic lecture alone as demonstrated by significantly higher scores on One2One content as compared to control content (p<0.05) on the EAS (t-test) and this knowledge was retained until the end of the semester as measured by regression analysis. A previously identified drawback of SOEs is student-reported anxiety, however students’ perception of the SOEs’ usefulness and value are understudied. Here, thematic analysis of student feedback identified the One2One as being useful, a driver of learning, and of high professional value, albeit stressful. Though more resource intensive than traditional assessment methods, the One2One is a positively rated, authentic evaluation tool that motivates student learning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,027
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,003

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 Opus0,078
Tête enseignante GPT0,385
Écart entre enseignants0,307 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal for the Scholarship of Teaching and LearningMême sujetEducational Strategies and EpistemologiesTravaux en français237 207