CREATE’ing improvements in first-year students’ science efficacy via an online introductory course experience
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
With a primary objective to engage students in the process of science online, we transformed a long-standing laboratory course for first-year science students into a more accessible, immersive experience of current biological research using a narrow and focused set of primary literature and the Consider, Read, Elucidate a hypothesis, Analyze and interpret data, Think of the next Experiment (CREATE) pedagogy. The efficacy of the CREATE approach has been demonstrated in a diversity of higher education settings and courses. It is, however, not yet known if CREATE can be successfully implemented online with a large, diverse team of faculty untrained in the CREATE pedagogy. Here, we present the transformation of a large-enrollment, multi-section, multi-instructor course for first-year students in which the instructors follow different biological research questions but work together to reach shared goals and outcomes. We assessed students' (i) science self-efficacy and (ii) epistemological beliefs about science throughout an academic year of instruction fully administered online as a result of ongoing threats posed by COVID-19. Our findings demonstrate that novice CREATE instructors with varying levels of teaching experience and ranks can achieve comparable outcomes and improvements in students' science efficacy in the virtual classroom as a teaching team. This study extends the use of the CREATE pedagogy to large, team-taught, multi-section courses and shows its utility in the online teaching and learning environment.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle