Use of Nutrition-Related Case-Based Learning Modules to Facilitate Learning in a 2nd Year Biochemistry Course at the University of Guelph
Notice bibliographique
Résumé
Studies indicate that the majority of students in undergraduate biochemistry take a surface approach to learning, associated with rote memorization of material, rather than a deep approach, which implies higher cognitive processing. This behavior is associated with poorer outcomes, including impaired course performance and reduced knowledge retention. The use of case-based-learning (CBL), a sub-type of problem-based-learning (PBL), and the incorporation of nutrition content into biochemistry teaching may facilitate deep learning by increasing student engagement and interest. This long-term project, aims to modifying the curriculum in an undergraduate Biochemistry course to be focused around nutrition-related cases. The goal is to determine if nutrition-related CBL modules encourage deep learning (measured by R-SPQ-2F), improves student performance (measured by the accuracy of student performance across exam questions using Bloom’s taxonomy), long-term retention (measured by a retention test targeting key Biochemistry concepts) and the student perception of the course experience (measured by the Course Experience Questionnaire). This poster will describe the process of development of the modules, including: (1) types of CBL and how these can be incorporated into undergraduate education, (2) the specific CBL framework adopted for this project and justification for its selection, and (3) examples of developed case studies highlighting the elements designed to facilitate deep learning. While this project is focused specifically on undergraduate biochemistry education, our findings can facilitate adopting CBL with nutrition content to other courses. Consequently, the information presented herein will be of value to undergraduate science educators with an interest in active learning curriculum development.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».