Evaluation of an Internship Assessment Grid for Francophone Physical and Health Education Student Interns
Notice bibliographique
Résumé
The objective of the present study is to analyze four metric qualities of an assessment grid for internship placements used by professionals to evaluate a sample of 110 Franco-Ontarian student interns registered between 2006 and 2009 at Laurentian University in the School of Human Kinetics. The evaluation grid was composed of 26 criteria. The four metric qualities that were analyzed were: the degree of difficulty, the degree of discrimination, the internal consistency, and the concurrent validity. Each intern’s performance was assessed by three individuals: the professional supervisor, the intern (self-assessment) and the university professor who coordinates the internship placement. The analysis of the three assessments based on the Education Testing Service Method indicates that the assessment of the professional supervisors and intern self-assessment are too high (difficulty index, pi = 20) and produced a discrimination power of zero between the interns (discrimination index, Di = 0). The analysis of the internal consistency of the criteria indicates that a number are too highly interrelated (Cronbach’s alpha = 0.97) and that ten criteria can be removed from the evaluation grid, as they are redundant. Concurrent validity, determined by calculating three correlations between the three dimensions of the evaluation grid (before, during, and after the teaching session) and the overall rating of the intern, was demonstrated insofar as the lowest correlation between the assessment of the intern’s performance and the measurement criterion (overall rating of the intern’s performance) was significant (r (106) = .76, p < .001). L'objectif de la présente étude est d'analyser quatre qualités métriques de l'évaluation d’un échantillon de 110 étudiants stagiaires franco-ontariens inscrits entre 2006 et 2009 à l'Université Laurentienne à l'École des sciences de l'activité physique. La grille d'évaluation était composée de 26 critères. Les quatre qualités métriques sont: le degré de difficulté, le degré de discrimination, la consistance interne et la validité concomitante des critères. Les stages ont été évalués par trois personnes: le superviseur de stage, le stagiaire (auto-évaluation) et le professeur d'université qui coordonne le stage. L'analyse des items selon la méthode ETS (Educational testing service) indique que les évaluations des superviseurs de stage et l’auto-évaluation des stagiaires sont trop élevées (indice de difficulté, pi = 20) et ne sont pas discriminantes (indice de discrimination Di = 0). L'analyse de la consistance interne des critères indique qu'un certain nombre sont trop fortement corrélées entre eux (coefficient alpha de Cronbach = 0,97) et que dix critères peuvent être retirés de la grille d'évaluation car ils sont redondants. La validité concomitante, déterminée par le calcul de trois corrélations entre les trois dimensions de la grille d'évaluation (avant, pendant, et après la session d'enseignement) et la note globale du stagiaire, a été démontrée dans la mesure où la plus faible corrélation entre l'évaluation de la performance du stagiaire et le critère de mesure (note globale de la performance du stagiaire) était significative (r (106) = .76, p < .001).
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 | 0,010 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».