MétaCan
Menu
Retour à la cohorte
Enregistrement W2179337464 · doi:10.5296/jei.v1i2.8381

A Smart Way of Coping with Common Core Challenges - Introduction to CAFA SmartWorkbook

2015· article· en· W2179337464 sur OpenAlexaff
Jaehwa Choi, Mi-Seon Kang, Najung Kim, William Dardick, Xinxin Zhang

Notice bibliographique

RevueJournal of Educational Issues · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueStudent Assessment and Feedback
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésFormative assessmentCoping (psychology)Information and Communications TechnologyMathematics educationPedagogyComputer sciencePsychology

Résumé

récupéré en direct d'OpenAlex

The Common Core State Standards (CCSS) in mathematics are currently adopted in most U.S. states. Nonetheless, most math teachers across the country are still experiencing difficulties in putting these standards into practice. Teachers and local school administrators are faced with a challenge of adapting methodologies in instruction and assessment to ensure that students master the knowledge and skills required in the new standards. This leads to an urgent need for well-designed teaching and assessment tools for math education that are aligned to the CCSS. The purpose of this paper is to illustrate the Computer Adaptive Formative Assessment (CAFA) SmartWorkbook which is an Information and Communication Technology (ICT) based teaching and assessment tool specially designed for coping with challenges in implementing the CCSS in mathematics. The CAFA SmartWorkbook represents a new stage in exploring opportunities in educational innovation, capitalizing on advances in assessment and technology. This system can be an effective solution to cope with CCSS challenges in both theoretical and practical points of view for students, teachers, parents, and educational administrators.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,002
Communication savante0,0040,005
Science ouverte0,0010,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0210,009

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 Opus0,089
Tête enseignante GPT0,408
Écart entre enseignants0,318 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Educational IssuesMême sujetStudent Assessment and FeedbackTravaux en français237 207