Rating formats and rater training redux: A context-specific approach for enhancing the effectiveness of performance management.
Notice bibliographique
Résumé
Dans cet article, nous procedons a l'examen critique des recherches anterieures sur les formats d'evaluation et l'entrainement des evaluateurs dans le contexte de la mesure des performances. Historiquement, le but de cette branche de recherche a ete de trouver des facons de maximiser les qualites psychometriques des donnees d'evaluation de la performance. Notre idee centrale est qu'il existe un certain nombre d'avenues pour elargir cette recherche. De fait, nous proposons un modele conceptuel qui pourrait servir de cadre conceptuel pour les travaux futurs portant sur ces deux questions de recherche traditionnelles en mesure de la performance. Par exemple, autant le format des evaluations que la formation des evaluateurs pourraient servir pour faciliter et ameliorer les retroactions et le processus de formation des employes ainsi que pour reduire les biais possibles dus a l'evaluateur. De plus, les recherches sur le format et l'entrainement pourraient permettre de trouver des facons de maximiser les reactions de l'evaluateur et de la personne evaluee au systeme de mesures. Une caracteristique centrale de notre modele est l'integration de la culture nationale comme variable moderatrice des relations entre des formats donnes, les programmes d'entrainement et differents resultats. Nous considerons autant la culture nationale de l'evaluateur que de la personne evaluee et nous portons une attention particuliere aux comparaisons entre les cultures asiatiques occidentale et orientale.
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 | 0,095 | 0,284 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».