MétaCan
Menu
Retour à la cohorte
Enregistrement W4414989591 · doi:10.22215/cujs.v5i3.5406

Developing a Tutorial Template for PHIL 2001

2025· article· en· W4414989591 sur OpenAlexaff
Jack Ragan, Elisabeta Sarca

Notice bibliographique

RevueCarleton undergraduate journal of science. · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpen Education and E-Learning
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésConsistency (knowledge bases)Variety (cybernetics)CurriculumQuality (philosophy)Key (lock)

Résumé

récupéré en direct d'OpenAlex

PHIL 2001 (Introduction to Logic) is a second year philosophy course that is open to first-year students. Interest in this course has grown in the past few semesters, with enrollment of approximately 350 students per semester. In this course, skill practice is essential for student success and this practice is in large part achieved through tutorials which are run by teaching assistants. However, the efficacy and interest in the tutorials throughout past semesters have been mixed, lacking in consistent results and delivery. As such, the project aimed to create a database of examples and template materials that the TAs can draw from, ensuring consistency across the sections. Drawing from my experience as a long-term TA for the course, I provided insight into the needs of students, as well as the challenges faced by the TAs in tutorials. Through a highly collaborative process, a variety of resources were developed to be shared and used in future semesters, including: a weekly curriculum for tutorials, an overview of key concepts to be covered in tutorials, a problem bank featuring examples drawn from pop-culture, news, and philosophical texts, and a TA ‘best practices’ guide. These resources are highly transferable to future semesters and will improve both the quality and consistency of tutorials. Additionally, this model could be adapted for other courses with tutorial sections.

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)0,003
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,096
Score d'incertitude au seuil0,322

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0960,053

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 Opus0,034
Tête enseignante GPT0,327
Écart entre enseignants0,293 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCarleton undergraduate journal of science.Même sujetOpen Education and E-LearningTravaux en français237 207