The Impact of Adaptive Complex Assessment on the HOT Skill Development of Students
Notice bibliographique
Résumé
In this paper we propose a method for the adaptive complex assessment (ACA) of the higher-order thinking (HOT)skills needed by students for problem solving, and we examine the impact of the method on the development of HOTskills in a problem- based learning (PBL) environment. Complexity in the assessment is provided by initial,formative, and adaptive assessments of HOT skills; assessments of collaborative skills; and summative assessmentsof HOT skills. Adaptability in the assessment is provided through the dynamics of an instructor’s assessments basedon developing HOT skills; through a flexible choice of control tests and instructional problems for students andcollaborative groups; and through the self-formation of heterogeneous, collaborative HOT skill groups. Theassessment fosters the development of HOT and collaborative skills through a combination of personalized andcollaborative problem-based learning (PBL). The three-stage assessment process guides the development of HOTskills during subject study through PBL. The focus of the first stage is on developing the HOT skills of studentsthrough personalized PBL. The second stage is devoted to developing HOT skills and collaborative skills throughcollaborative PBL. The third stage is devoted to assessing collaborative skills and constructing summativeassessments of students. The proposed calculations for the coefficients of HOT skill development serve as aconstructive means of exploring the impact of the ACA method on the HOT skill development of students.
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 | 0,008 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».