A Tale of Two Classes: Student and Instructor Perceptions of Two-Stage Tutorials in Introductory Genetics Classes
Notice bibliographique
Résumé
Two-stage exams are those in which students first write a test independently and then, immediately after, write the same, or similar, exam as small groups, effectively teaching and learning from each other. This approach has been reported to improve students’ performance on subsequent individual tests, encourages a collaborative approach to problem solving, and turns exams into learning experiences (e.g., Gilley & Clarkston, 2014). To enhance genetics problem solving skills of undergraduate students, the second year genetics classes at the University of Toronto Mississauga (n=440) and York University (n=250) were redesigned to incorporate not only two-stage exams, but also a two-stage model adapted for both our in-class activities (i.e., Peer Instruction) and course-associated tutorials. Here we report on our studies on repurposing of the two-stage exam approach for tutorials to encourage collaborative learning and problem solving. In tutorials, students completed a short problem set assignment (2 to 3 questions, related to the previous week’s material) on their own, followed by completion of the same, or a more challenging problem set, in groups of 3 to 4. In this session, we will provide a discussion of the relevant research on two-stage exams, describe and model the set-up of these tutorials at our respective institutions, and explore student* and instructor perceptions, including those of TAs, as well as lessons learned. We welcome participants’ input, discussion, and feedback to help improve the use of two-stage tutorials in future.\n*IRB-approval to collect and share perceptions of this implementation.\nReferences: Gilley BH and Clarkston B. 2014. Collaborative testing: evidence of learning in a controlled in-class study of undergraduate students. Journal of College Science Teaching 43(3): 83-91.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».