MétaCan
Menu
Retour à la cohorte
Enregistrement W6986731239

Putting Assessment into Action: Selected Projects from the First Cohort of the Assessment in Action Grant

2016· article· en· W6986731239 sur OpenAlexaboutno aff

Notice bibliographique

RevueDigitalCommons - Fairfield (Fairfield University) · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLibrary Science and Information Literacy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNucleofectionTSG101Circumstantial evidenceDysgeusiaArticular cartilage damageDemotion
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Jacalyn A. Kremer is a contributing author, "Honor Bound: Assessing Library Interventions into the Complex Problem of Academic Integrity." Book description: Are you new to library assessment? Are you tasked with conducting an assessment project and don't know what methods to use, or which ones are the most effective (or practical)? The methodological issues addressed in Putting Assessment into Action: Selected Projects from the First Cohort of the Assessment in Action Grant (Eric Ackermann) are based on the real world, practical experience of librarians who participated in the first cohort of the assessment in Action project. Unlike many books on this subject, this volume allows the selection of an appropriate assessment method(s) based on the activity or program being assessed without requiring extensive previous knowledge of research design, methods, or statistics. Twenty-seven cases are presented in arenas as varied as assessing fourth year undergraduate learning, first year experience, graduate student information literacy, technology facilities, assessing outreach services and space, and more. Represented are 25 U.S. institutions and two Canadian institutions and a range of types of institutions from doctoral/research universities to baccalaureate/masters granting institutions to a tribal college and a community college. This book is appropriate for professional Library and Information Science collections in all types of libraries and is particularly appropriate for immediate consideration of assessment methods.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,357
Score d'incertitude au seuil0,582

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,005
Science ouverte0,0010,000
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 Opus0,030
Tête enseignante GPT0,276
Écart entre enseignants0,246 · 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'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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigitalCommons - Fairfield (Fairfield University)Même sujetLibrary Science and Information LiteracyTravaux en français237 207