Implementation of Online Reading Assessments to Encourage Reading Interests
Notice bibliographique
Résumé
<p>The current study reports a two-year research project funded by the Government of the Republic of Indonesia through a competitive research scheme. The aim is basically to respond to the fact most university students have very low interests in reading activities, such as finding out important information for their term papers as assigned by the lectures. Instead, most of the time is spent in BBM, IPhone chats and Facebooking of non-academic nature (mostly social encounters). This has triggered a team of researchers to find out ways to increase or encourage reading interests. Internet browsing was undertaken to search for possible software application systems which could be used to administer online assessments in reading class. It was Question Writer (QW3.5) selected for use in the current study. It is a paid software application system especially developed for online assessments. It can perform various types of question formats with the students’ responses directly forwarded to the teacher’s email, and feedbacks and scorings automatically performed by the system. In the current study, a discussion group called ‘Reading Maniacs’ was created in Facebook for the students to get access to both reading materials and assessments. Questionnaire and interviews were conducted to investigate how the students got motivated in reading class and if their reading interests got increased. The findings indicate that the students were very motivated to participate in the online assessments supported by Facebook group discussion, thereby their reading interests leveled up. It was therefore recommended that online assessment of reading skills be conducted as additional activities to the well-supervised offline reading examination. Future researchers may want to administer Questionnaire to the reading teachers to get some feedbacks.</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.
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 | 0,013 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».