MétaCan
Menu
Retour à la cohorte
Enregistrement W2127785047 · doi:10.5539/elt.v8n2p109

An Investigation of Saudi English-Major Learners’ Perceptions of Formative Assessment Tasks and Their Learning

2015· article· en· W2127785047 sur OpenAlexvenueno aff
Muhammad Umer, Abdul Majeed Attayib Omer

Notice bibliographique

RevueEnglish Language Teaching · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueStudent Assessment and Feedback
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFormative assessmentSummative assessmentPsychologyScope (computer science)SyllabusKnowledge surveyMathematics educationCurriculumAssessment for learningPerceptionPedagogyMedical educationComputer science

Résumé

récupéré en direct d'OpenAlex

The effect of standardised and summative assessment on teaching and learning has been explored in various settings. Formative assessment or classroom assessment, however, has not captured considerable attention of washback researchers. The prime goal of the inclusion of formative assessment in the assessment regime of a curriculum is to allow learners to grow as independent learners. This study investigated if learners’ perceptions of formative assessment tools influenced their learning strategies, the scope of what they learned, and the depth of their learning. The results of a survey, distributed among 400 Taif University English-major female learners (TUEMFL) showed that the respondents preferred formative assessment tasks to comprise expected questions in the form of multiple-choice questions. In addition, formative assessment tasks narrowed down the scope of the syllabus the learners studied. However, the participants deemed formative assessment helpful in diagnosing and improving their mistakes. Therefore, it is suggested that the nature formative assessment tasks should synchronise with their course objectives to help learners improve their academic skills. This may mean that the assessment tasks should be more authentic in nature and should have a greater consequential validity replacing the multiple-choice questions which often culminate in surface-level learning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,130
Score d'incertitude au seuil0,437

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,335
Écart entre enseignants0,316 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetStudent Assessment and FeedbackTravaux en français237 207