Investigating How Digital Technologies Can Support a Triad-Approach for Student Assessment in Higher Education / Étude des technologies numériques comme appuis à l’évaluation tripartite des étudiants universitaires
Notice bibliographique
Résumé
The purpose of this research study was to investigate if and how digital technologies could be used to support a triad-approach for student assessment in higher education. This triad-approach consisted of self-reflection, peer feedback, and instructor assessment practices in a pre-service teacher education course at a Canadian university. Through online surveys, journal postings, and post-course interviews the study participants indicated that digital technologies could be used to effectively support such a triad-approach only if students were more actively involved in the assessment process and the course instructor placed a greater emphasis on formative assessment practices. Le but de cette recherche était d’étudier dans quelle mesure les technologies numériques pouvaient être utilisées pour soutenir une approche triadique de l’évaluation des étudiants universitaires. Cette approche tripartite consistait dans l’autoréflexion, la rétroaction par les pairs et les pratiques d’évaluation de l’enseignant dans un cours de formation des futurs enseignants au sein d’une université canadienne. À l’aide de sondages en ligne, d’annonces de journaux et d’entrevues post-formation, les participants à l’étude ont indiqué que les technologies numériques pouvaient être utilisées pour soutenir efficacement une telle approche triadique, à condition que les étudiants soient impliqués plus activement dans le processus d’évaluation et que l’enseignant mette davantage l’accent sur les pratiques d’évaluation formative.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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; 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 ».