Peer Portal: Quality enhancement in thesis writing using self-managed peer review on a mass scale
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<p>This paper describes a specially developed online peer-review system, the Peer Portal, and the first results of its use for quality enhancement of bachelor’s and master’s thesis manuscripts. The peer-review system is completely student driven and therefore saves time for supervisors and creates a direct interaction between students without interference from supervisors. The purpose is to improve thesis manuscript quality, and thereby use supervisor time more efficiently, since peers review basic aspects of the manuscripts and give constructive suggestions for improvements. The process was initiated in 2012, and, in total, 260 peer reviews were completed between 1st January and 15th May, 2012. All peer reviews for this period have been analyzed with the help of content analysis. The purpose of analysis is to assess the quality of the students work. The results are categorized in four groups: 1) <em>excellent</em> (18.1%), 2) <em>good</em> (22.7%), 3) <em>fragmented</em> (18.5%), and 4) <em>poor</em> (40.7%). The overall result shows that almost 40% of the students produced excellent or good peer reviews and almost as many produced poor peer reviews. The result shows that the quality varies considerably. Explanations of these quality variations need further study. However, alternative hypotheses followed by some strategic suggestions are discussed in this study. Finally, a way forward in terms of improving peer reviews is outlined: 1) development of a peer wizard system and 2) rating of received peer reviews based on the quality categories created in this study. A Peer Portal version 2.0 is suggested, which will eliminate the fragmented and poor quality peer reviews, but still keep this review system student driven and ensure autonomous learning.</p>
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.
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 | 0,052 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle