Vidare forskning

Under studien upptäckte vi att utbudet av verkliga, icke godkända kursplaner var mycket magert. Detta blev troligen den största begränsande faktorn för de resultat som vi kunde uppnå i försöken att skapa en klassificerare som korrekt kunde klassificera kursplaner som godkända eller icke godkända. Det visade sig dock att vi hade desto mer framgång med att automatiskt insamla exempel på godkända kursplaner och även automatiskt utröna och strukturera upp de olika delarna av dessa kursplaner. Detta öppnar upp fler möjligheter för vidare forskning med dessa kursplaner som underlag. Det hade varit intressant att vidare undersöka vilka slutsatser man kan dra avseende kursplanernas innehåll genom analys av de insamlade texterna med unsupervised learning. Fler analyser hade kunnat göras för att undersöka hur väl befintliga kursplaner lever upp till olika riktlinjer för hur dessa bör skrivas. Sambandet mellan de olika delarna i varje kursplan skulle kunna undersökas och insikter om vilka delar av kursplaner som i flest fall inte lever upp till specifika riktlinjer hade kunnat utrönas med dessa insamlade kursplaner som underlag. Detta hade kunnat leda till slutsatser som kan vara användbara för universitetens kursnämnder att ha i åtanke vid utvärdering av nya kursplaner i framtiden.

Det hade även varit intressant att i vidare forskning göra mer försök att med hjälp av maskininlärning bygga klassificeringsmodeller för att korrekt klassificera nya kursplaner som godkända eller icke godkända. Möjligen finns det andra lärosäten där ett större utbud av ofullständiga och ej godkända kursplaner finns att tillgå. Det hade varit intressant att undersöka om man i ett sådant sammanhang hade kommit fram till en annan slutsats än i denna studie.

Referenser

Anuradha, P & Singh, D. (2013). A Survey Report on Text Classification with Different Term Weighing Methods and Comparison between Classification Algorithms.”_{​International}

Journal of Computer Applications 75: 14-18_​. Från:

https://research.ijcaonline.org/volume75/number7/pxc3890472.pdf

Biggs, J (1996). Enhancing teaching through constructive alignment. _{​Higher Education​}. Bloom Benjamin S. and David R. Krathwohl. (1956). Taxonomy of Educational Objectives: The Classification of Educational Goals, by a committee of college and university examiners. Handbook I: Cognitive Domain. New York, Longmans, Green.

Forehand, M. (2002). Bloom’s Taxonomy - _{​Emerging Perspectives on Learning, Teaching}

and Technology_​, Bloomington IN: Association for Educational Communications and Technology.

Malmö Universitet. (2017). Anvisningar för kursplaner vid Malmö högskola_{​. Hämtad från:}

https://www.mah.se/upload/FAKULTETER/TS/Utbildning- och

kursnämnd/Dokument/Anvisningar för kursplaner vid Malmö högskola_170220.pdf

Matsuda, Y., Sekiya, T., Yamaguchi, K. (2018). Curriculum Analysis of Computer Science Departments by Simplified, Supervised LDA. _{​Journal of Information Processing​}. 26. 497-508.

Mitchell, T. (1997). _{​Machine Learning. ​}New York, NY, USA: McGraw-Hill, Inc.

Oates, B. J. (2006). _{​Researching Information Systems and Computing​}. London: SAGE Publications.

Ota, S., & Mima, H. (2011). Machine Learning-based Syllabus Classification toward Automatic Organization of Issue-oriented Interdisciplinary Curricula. _{​Procedia - Social and} Behavioral Sciences, 27_​, 241-247.

Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V. & others (2011). Scikit-learn: Machine learning in Python. _{​Journal of Machine Learning Research​}, 12, 2825--2830.

Provost, F & Fawcett T. (2013). _{​Data Science for Business: What You Need to Know} About Data Mining and Data-Analytic Thinking. _​Sebastopol, CA: O’Reilly Media.

Rathod, N., & Cassel, L.N. (2013). Building a search engine for computer science course syllabi. _{​JCDL '13​}.

Rehruvrek, R. & Sojka, P. (2010). Software Framework for Topic Modelling with Large Corpora. _{​Proceedings of the LREC 2010 Workshop on New Challenges for NLP}

Frameworks_​ (p./pp. 45--50), May, Valletta, Malta: ELRA.

Sveriges Riksdag. (1993). Högskoleförordning (1993:100). Hämtad 21 maj, 2020, från riksdagen,

https://www.riksdagen.se/sv/dokument-lagar/dokument/svensk-forfattningssamling/hogskol eforordning-1993100_sfs-1993-100#K6P13

Tungare, M.,Yu, X., Fan, W., Yuan, Y., P´erez-Quinones, M., Fox, E., Cameron, W. and Cassel, L. (2008) Automatic syllabus classication using support vector machines,

Handbook of Research on Text and Web Mining Technologies_​, Information Science Reference.

UHR. (2019). Bolognaprocessen - det europeiska området för högre utbildning. Hämtad 21 maj, 2020, från UHR, _​https://www.uhr.se/internationella-mojligheter/Bolognaprocessen/

Appendix A

Kriterier vid betygsättning av kursplan

Vi anger kriterier för kursplaner som vi får stöd av från forskningen och analyser i ämnet. Vi presenterar kriterierna utifrån den ordning som också kursplaner är uppbyggda ifrån. Syfte

- syfte beskriver övergripande syftet med kursen och hur kursen passar in i utbildningen eller ämnet. Svarar på studentens fråga varför de ska läsa kursen.

Innehåll

- hänger innehåll ihop med syfte? Blir det en ämnesavgränsning som motsvarar det som syftet beskriver? (kan vara svårt att bedöma om man inte är insatt i ämnet)

Lärandemål

- begränsad till 5-7 mål

- beskriver inte samma som innehåll i en annan form (koppling till innehåll)

- mål är formulerade utifrån vad studenterna ska lära sig och hur de lär sig, e.g. färdigheter ska kunna läras inom den arbetsform som är avsett för detta.

- målen är inte formulerade för snäva eller specifika för att göra bedömningen enklare. (Trivialiserad lärande)

- målen är inte alldeles för generella och vaga (like ”improve communication skills”) och som inte är satt i sitt ämnesmässiga sammanhang.

- Målen svarar på dessa frågor:

- _​Vad behöver studenterna känna till? - Vad ska studenterna kunna göra?

- Vilka bedömningar och ställningstaganden är viktiga att studenterna kan göra – eller vilka redskap (teorier) behöver de ha tillgång till för att kunna göra relevanta bedömningar?

- Beskriver målen en progression eller framsteg mot större förståelsen? Arbetsformer

- tar arbetsformer hänsyn till studenternas lärande med hänsyn till lärandemålen (praktiska arbetsformer för praktiska moment, grupparbete för teamarbete, självständigt arbete för bedömning, osv.)

Examinationsformer

- det finns ett samband mellan examinationsformer och typer av lärandemål (t.ex. praktisk examination av färdigheter, fördjupningsuppgifter för bedömningar, gruppuppgifter för teamarbete)

- det finns ett visst studentinflytande över innehållet som kan läsas ut från examinationsformerna, t.ex. i form av mer fria skriftliga uppgifter, i fördjupningsuppgifter och gruppuppgifter.

- fokus bort från klara-provet-fokus till upptäckarglädje och framtidsplaner

Testa kriterierna

Kriterierna ska testas genom ett urval av 8 aktuella och existerande kursplaner. Tre fall för varje kriterium ska särskiljas:

”1” betyder att kriteriet är uppfyllt, ”0” betyder att kriteriet inte är uppfyllt och ”?” betyder att det inte går att med säkerhet avgöra om kriteriet är uppfyllt eller ej.

Tabell: Test av kriterierna

Kriterier B G 3 2 7 A D A 3 5 1 A D A 3 8 0 A D A 4 5 6 A E K 1 6 0 A M E 1 4 2 A P D 1 3 2 A D A 3 8 3 A Syfte:

- övergripande, hur kursen passar in i utbildningen, varför studenterna ska läsa kursen

1 1 1 1 1+ 1 1 ?

Innehåll:

- tydlig samband med syfte, avgränsning av ämnet 1 1 1 1 1 1 1 0

Lärandemål:

- begränsad till 5-7 mål 0 0 0 1 0 0 0 1

- inte omskrivning av innehållet 1 1 0 1 0 1 1 1

- formulerad utifrån vad studenten ska lära sig och hur hen lär sig (koppling till arbetsformer)

? ? ? ? ? ? 1 ?

- målen inte formulerade för snäva eller specifika 1 1 1 1 1 1 1 1

- målen inte alldeles för generella och vaga 0 0 0 1 0 0 ? 0

- beskriver vad studenterna ska kunna göra 1 1 1 1 1 1 1 ? - beskriver vilka ​bedömningar och ställningstaganden är

viktiga att studenterna kan göra – eller vilka redskap (teorier) behöver de ha tillgång till för att kunna göra relevanta bedömningar

1 1 0 0 1 1 0 0

- målen beskriver tillsammans en progression mot djupare förståelsen

1 1 0 0 1 1 0 0

Arbetsformer​:

- tar hänsyn till studenternas lärande med hänsyn till lärandemålen

1 1 1 1 1 1 1 1

Examinationsformer:

- finns samband mellan examinationsformer och typer av lärandemålen

? 1 1 1 1 1 1 1

- möjlighet till studentinflyttande över innehållet t.ex. i form av mer skriftliga uppgifter, fördjupningsuppgifter, grupparbete

1 1 1 1 1 1 1 1

- fokus bort från klara-provet-fokus till upptäckarglädje och framtidsplaner

(kriteriet:minst hälften av hp ska vara öppet)

0 0 1 0 1 1 1 0

Appendix B

All kod som producerats som en del av denna studie, samt filer som innehåller all insamlad data i form av kursplaner finns att inspektera och ladda ner på GitHub. Länk följer nedan: