MétaCan
Menu
Retour à la cohorte
Enregistrement W2474839422 · doi:10.5539/ies.v9n7p112

Effect of Formative and Ability Test Results on Early Learning of Students

2016· article· en· W2474839422 sur OpenAlexvenueno aff
Abdul Kadir, Muhammad Ardi, B Nurhayati, Gufran Darma Dirawan

Notice bibliographique

RevueInternational Education Studies · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Methods and Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFormative assessmentMathematics educationPsychologyTest (biology)Class (philosophy)Cluster samplingNarrativeMultiple choiceComputer scienceStatisticsMathematicsSignificant differencePopulationArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The objective of this study was to examine the relationship of formative tests to early learning ability of students in the science learning style. This research used an experimental method with a 2 x 2 factorial design. The participants comprised all the students in class VII of the Islamic Junior High School State of Kolaka, a total of 343 students from 9 classes. Sampling was based on the use of a two-stage cluster sampling technique to randomly select four classes of students. The four classes were re-randomized, with two being given formative tests and two being given multiple choice tests. The t-test was used to measure the student learning outcomes. The results showed: (1) the use of formative tests in narrative form in the learning process can provide a measure of higher learning output compared with the use of formative multiple choice tests. (2) For those students who have a high initial ability, the use of formative tests can provide higher learning outcomes compared with the use of multiple choice tests. (3) For those students who have a lower initial ability, the use of formative tests in narrative form does not provide a different outcome to tests in multiple choice formats.

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)0,012
score de la tête « metaresearch » (Gemma)0,101
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,101
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,058
Tête enseignante GPT0,522
Écart entre enseignants0,464 · 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'étudeObservationnel
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetEducational Methods and OutcomesTravaux en français237 207