Effects of Anonymity and Accountability During Online Peer Assessment
Notice bibliographique
Résumé
A 2´2 experiment was conducted to determine the effects of anonymity (anonymous vs. named) and peer-accountability (more-accountable vs. less-accountable) on peer over-marking, and on the criticality and quality of peer comments during online peer assessment. Thirty-six graduate students in a Web-based education research methods course were required to critique two published research articles as a part of their course. Peer assessment was carried out on the first critique. Students were randomly assigned to one of the four groups. Peer assessors were randomly assigned three students’ critiques to assess. Peer assessors and the students being assessed were from the same group. Peer assessors assigned a numeric mark and commented on students’ critiques. The four main results were: First, significantly fewer peer assessors over-marked (i.e., assigned a higher mark relative to the instructor) in the anonymous group as compared to the named group (p < .04). Second, peer assessors in the anonymous group provided a significantly higher number of critical comments (i.e., weaknesses) as compared to the named group (p < .01). Third, peer assessors in the named groupand the more-accountable group made a significantly higher number of quality comments (i.e., cognitive statements indicating strengths and weakness along with reasoned responses and suggestions for improvement), compared to the peer assessors in the anonymous group and the less-accountable group (p < .01). Lastly, the students’ responses to the questionnaire indicated that they found the peer assessment process helpful. This study suggests that in online peer assessment, the anonymity and the degree of peer-accountability affect peer marking and comments.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».