MétaCan
Menu
Retour à la cohorte
Enregistrement W4416419213 · doi:10.1097/nne.0000000000001998

An Integrative Approach to Grading in Competency-Based Curriculum

2025· article· en· W4416419213 sur OpenAlexaboutno aff
Amanda J. Safford, Rachel Lowery, Ashley McMath, Taryn Temples, Jennie Rebecca Alspach, Kristin Ashley, Victoria Bria, Jessica Griffin Bumpus, Nancy Claus, Caroline E. Littleton, Dana Mitchell, Kaitrin Parris, Linda Moneyham

Notice bibliographique

RevueNurse Educator · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Learning Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGrading (engineering)CurriculumConsistency (knowledge bases)Competence (human resources)Educational measurement

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Competency-based education (CBE) and the American Association of Colleges of Nursing's 2021 Essentials framework necessitate a shift in traditional methods of assessment and evaluation in nursing education. PROBLEM: Establishing a process for converting demonstrated competency levels into equivalent alpha-numeric grades is important to maintain the calculation of a student's grade point average. APPROACH: A faculty task force across 3 undergraduate/prelicensure programs developed an adaptable grading scheme and competency-based grading scale applicable to multiple course settings. OUTCOMES: Adapting the Ottawa Surgical Competency Operating Room Evaluation scale into nursing competency descriptors and aligning the levels with alpha-numeric grades provides a helpful grading structure to operationalize CBE within institutional constraints. This also allows academic freedom for course faculty to design and implement formative and summative assignments based on their relevance to mapped course outcomes. CONCLUSION: CBE frameworks support a progressive and developmentally leveled approach to competency assessment. Integration of educational pedagogies promotes consistency in competency evaluation.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,390
Score d'incertitude au seuil0,782

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,403
Écart entre enseignants0,388 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNurse EducatorMême sujetHigher Education Learning PracticesTravaux en français237 207