Facilitation of Competency-Based Learning With a Practicum Administration Software: The User Experience
Notice bibliographique
Résumé
ObjectiveTechnology is essential in the facilitation of many operations in higher educational institutions. The use of web-based platforms to deliver academic content, including practice-based training, has gained popularity. However, their use in practicum process administration is not well studied. In the 2020/2021 academic year, a graduate program in the Faculty of Health Science within a public university in Ontario incorporated the InPlace platform to streamline the administration of the practicum process, including goal setting. This study aimed to understand the user experience of the platform in facilitating competency-based learning.MethodsTwelve students participated in two focus group sessions that lasted approximately 1.5 hr each. Two staff members participated in one-on-one semi-structured interviews. The System Usability Scale (SUS) was used as a measure of the platform’s usability. Other outcomes included staff and students’ user experience.ResultOverall, the students and staff believe the platform is good for facilitating competency-based learning. The SUS score was 61.8 (95% confidence interval, [56.7, 66.9]). Eight students (66.7%) indicated that the platform was useful in helping them navigate their learning goals. Staff expressed appreciation of the program with respect to communication, practicum process, and overall program administration. Some suggestions for improving the platform were made.ConclusionThe practicum placement platform has shown some initial benefits in communication and practicum process administration. In a future configuration of similar platforms, the implementation of the suggestions provided in this study may be necessary to improve usability and enhance the facilitation of competence-based 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 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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».