Methodological Diversity in Language Assessment Research: The Role of Mixed Methods in Classroom-Based Language Assessment Studies
Notice bibliographique
Résumé
Although an epistemic change often is labeled as a shift, some researchers representing the social sciences consider this paradigm shift as a paradigm expansion (e.g., Pollack, 2007) because epistemological and methodological diversity allows researchers to address a wider range of questions. The third paradigm, mixed methods (MM) research, is claimed to provide a more holistic picture of a research problem by combining two different data sources—quantitative and qualitative—in a single study (Creswell & Plano Clark, 2007; Greene, 2007; Teddlie & Tashakkori, 2009). This article discusses how mixed methods research approaches have been used to enrich the results and to enhance the rigor of classroom-based language assessment investigations, drawing on both the language testing and assessment (hereafter, language assessment) and classroom assessment literature in second language education. The article opens with a brief overview of the methodological evolution in language assessment research. Then, focusing on MM research studies that investigated various facets of classroom-based language assessment (CBLA) practices, the main part of this article outlines a proposal of MM methodology as an appropriate methodology for research on CBLA, particularly in a context where a new form of assessment is implemented. The article closes with a discussion of challenges that MM researchers might face, and a proposal of MM research methodology as an appropriate research approach for CBLA scholars, especially in settings where both the validation of assessment and the explanation of the phenomenon are required.
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 | 0,171 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».