MétaCan
Menu
Retour à la cohorte
Enregistrement W2142362115 · doi:10.5539/elt.v4n1p214

The Relationship between Peer Assessment and the Cognition Hypothesis

2011· article· en· W2142362115 sur OpenAlexvenueno aff
Mona Khabiri, Soroush Sabbaghan, Sahar Sabbaghan

Notice bibliographique

RevueEnglish Language Teaching · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueStudent Assessment and Feedback
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyTask (project management)Peer assessmentCognitionConsistency (knowledge bases)Peer feedbackSet (abstract data type)Cognitive psychologyScale (ratio)Cognitive complexityRating scaleMathematics educationDevelopmental psychologyComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

It is believed that peer assessment equips learners with a skill set withheld from them by teacher assessments that enhances language learning. However, the benefits of peer assessment are limited to how well learners can conduct peer assessment tasks. Therefore, improving the efficacy of peer assessment is essential. One way to increase the consistency of peer assessment is to increase learner attention during the assessment task. The Cognition Hypothesis states that L2 learners engaged in complex tasks pay attention to more complex linguistic structures; as a result, learning increases (Robinson, 2001a, 2001b, 2005). The purpose of this study was to investigate whether complex tasks, as outlined by the Cognition Hypothesis, improve the accuracy of peer assessment. Thirty female EFL learners conducted three speaking tasks. Each task had a different level of complexity, and participants were assessed by their peers using a rating scale. The results indicated that the absolute mean deviations for the items on the rating scale decreased as task complexity increased. In other words, the findings showed that as task complexity increased, there was more agreement among the assessors. This indicatedthat peer assessment wasmore accurate and consistent for more complex tasks.

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)0,005
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,328
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
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 Opus0,074
Tête enseignante GPT0,357
Écart entre enseignants0,283 · 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.

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

Citations6
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetStudent Assessment and FeedbackTravaux en français237 207