Intentional learning communities: Do students who live in academic learning clusters perform better than those living in non-intentional communities?
Notice bibliographique
Résumé
Residence learning communities (RLCs) refer to intentional groupings of students living together in residence with shared academic and non-academic interests1. Given that collaborative learning environments foster a higher motivation to learn, interpersonal development and active learning, RLCs may offer a unique opportunity to enhance student academic success2,3. This may be particularly important in science education. Despite the growing number of RLCs in Canada, the data describing their impact in the Canadian context are lacking. Additionally, optimal programming design and practice of RLCs are not well described.\nThe purpose of this research study is to determine if living in an RLC improves student academic performance compared to living in traditional residence or off-campus. Specific attention will be given to the Biological Sciences Cluster as anecdotal evidence suggests that these are the most successful. In order to objectively address this question, a complete cohort of students at the University of Guelph will be followed from their final year in high school and the succeeding 4-5 years of their undergraduate studies. Academic performance will be determined based on high school average, 1st year average by course, 2nd year registration (retention), and year of graduation. This poster will compare and contrast the common types of RLCs available to students and provide preliminary data on their impact on student academic success. Results of this study can inform other Canadian institutions considering implementing or expanding RLC, and may be used to improve the complete undergraduate educational experience.\nReferences\n[1] Goodsell Love, A. (2012). The growth and current state of learning communities in higher education. New Directions for teaching and learning, 132, 5-18.\n[2] Jongsma, K.S. (1990). Collaborative Learning, Questions & Answers. The Reading Teacher, 43, 346-347. [3] Totten, S., Sills, T., Digby, A., & Russ, P. (1991). Cooperative learning: A guide to research. New York: Garland.[3] Totten, S., Sills, T., Digby, A., & Russ, P. (1991). Cooperative learning: A guide to research. New York: Garland.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».