Performance criteria and ratings in rubrics for evaluating learning in online asynchronous discussions
Notice bibliographique
Résumé
The purpose of this study was to identify performance criteria and ratings in rubrics designed for the evaluation of learning in online asynchronous discussions (OADs) in post-secondary contexts and compare them to behaviors that researchers have focused on in context of transcript analyses of OADs. We analyzed rubrics collected from internet sources. Using purposive sampling, we reached saturation by the selection of 50 rubrics. Using keyword analysis and subsequent grouping of keywords into categories, we identified categories of performance criteria and ratings and compared these with the behaviors highlighted in the literature on transcript analysis of OADs. -- The analysis led to the identification of 153 performance criteria in 19 categories and 831 ratings in 40 categories. We subsequently identified four core categories: (i) Cognitive (44.0% of total performance criteria and ratings); (ii) Mechanical (19.0%); (iii) procedural/Managerial (18.29%); and (iv) Interactive (17.17%). Criteria and ratings assess: (a) thinking skills (cognitive core category); (b) learners' participation in the forum (procedural/managerial core category); (c) learners' interactions with others (Interactive core category); and (d) mechanical aspects of writing (mechanical core category). We found congruence between the literature and the rubrics' emphasis on thinking skills and no congruence with the rubrics' emphasis on mechanics. We found little evidence that the rubrics assess social presence.
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 | 0,038 | 0,185 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».