MétaCan
Menu
Retour à la cohorte
Enregistrement W2160202591 · doi:10.1002/j.2168-9830.2010.tb01072.x

Students' Conceptions of Tutor and Automated Feedback in Professional Writing

2010· article· en· W2160202591 sur OpenAlexaff
Rafael A. Calvo, Robert A. Ellis

Notice bibliographique

RevueJournal of Engineering Education · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueStudent Assessment and Feedback
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesAustralian Research CouncilUniversity of SydneyCarnegie Mellon University
Mots-clésTUTORPerceptionMathematics educationPeer feedbackEngineering educationPsychologyRelation (database)PedagogyComputer scienceEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

B ackground Professional writing is an essential outcome for engineering graduates and hence a vital part of engineering education. To provide a successful learning experience for students engaged in writing activities, timely feedback is necessary. Providing this feedback to increasing numbers of students poses a major challenge for instructors. New automated systems work towards providing both timely and appropriate writing feedback, but students' views on automated feedback, and feedback in general, are not well understood. P urpose (H ypothesis ) To contribute to a deeper understanding of students' conceptions of feedback from tutors and an automated system called Glosser, and how these conceptions are related to achievement. D esign /M ethod Students in an engineering course worked in pairs to write an engineering report on e‐business. The design of the study involves in‐depth interviews and the analysis employs an approach in which student conceptions of automated feedback are investigated in relation to related feedback from their tutor, perceptions of automated feedback in general, and their academic achievement. R esults Students' conceptions of feedback vary and can be grouped into cohesive and fragmented, which is consistent with other theoretical models. Close associations were found between more cohesive conceptions of feedback and better academic performance. C onclusions A student's conception of traditional and automated feedback is similar, being either cohesive or fragmented. Changing one may change the other. Deep learners see feedback as a way of learning about the topic whereas shallow learners see them as a way to improve the communication aspects of writing. Design considerations based on these results are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,011
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,029
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,006
Communication savante0,0100,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,010
Tête enseignante GPT0,369
Écart entre enseignants0,359 · 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 source (Gemma direct ou Codex distillé), 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

Citations53
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Engineering EducationMême sujetStudent Assessment and FeedbackTravaux en français237 207