MétaCan
Menu
Retour à la cohorte
Enregistrement W4405625564 · doi:10.1080/08841233.2024.2433787

Achieving Critical Life Skills with Inquiry-Based Learning in Social Work Education: Self and Peer Assessment Reports

2024· article· en· W4405625564 sur OpenAlexaff
Beth Archer‐Kuhn, Natalie Beltrano, Juyan Wang

Notice bibliographique

RevueJournal of Teaching in Social Work · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueReflective Practices in Education
Établissements canadiensWestern UniversityUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésInquiry-based learningPsychologyPeer assessmentSocial workMathematics educationPedagogyMedical education

Résumé

récupéré en direct d'OpenAlex

This paper reflects the results from a 3-year quantitative study in higher education on inquiry-based learning (IBL). Utilizing primary data collection in a quasi-experimental survey, we examined the impact of IBL on six cohorts of undergraduate students. We aimed to answer our main research question: Can IBL be an effective pedagogy that helps students develop their key skills, through: (1) exploring how students assessed themselves and their peers on four skills; and (2) comparing student and peer assessments across social work courses utilizing IBL as pedagogy utilizing a social work course taught with traditional methods (non-IBL), and a nonsocial-work course using IBL. We analyzed the quantitative data applying bivariate analysis (paired and independent t-tests) with SPSS. We found that in social work and nonsocial-work courses using IBL as pedagogy, students and their peers identified an increase in the development of their key skills; peer-assessments were consistently higher than self-assessments. Our study reveals that IBL may offer an opportunity to provide authentic learning activities and assessments in social work education to support students’ development of four key skills required for success in higher education.

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)0,014
score de la tête « metaresearch » (Gemma)0,085
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,085
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,029
Tête enseignante GPT0,455
Écart entre enseignants0,426 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Teaching in Social WorkMême sujetReflective Practices in EducationTravaux en français237 207