MétaCan
Menu
Retour à la cohorte
Enregistrement W2530700680 · doi:10.18260/1-2--14020

An Approach To Developing Students' Skill In Self Assessment

2020· article· en· W2530700680 sur OpenAlexaff
Heather Sheardown, Donald R. Woods

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Pedagogy
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésSelf-assessmentProcrastinationPeer assessmentIntuitionContext (archaeology)PsychologyAnxietyComputer scienceApplied psychologyMathematics educationPedagogySocial psychology

Résumé

récupéré en direct d'OpenAlex

Self and peer assessment can be vital parts to any team assessment.The assessment can be of the overall team or of the performance of team members.Assessment is a judgment as to the degree to which a goal has been achieved.In student self assessment, the judgment is made by the student.In this paper the five principles of assessment are summarized.Assessment is about performance not worth; is based on evidence not intuition; is done in a defined situation and for a purpose; is done in the context of published goals, measurable criteria and agreedupon forms of evidence; and is based on multiple forms of evidence.A rationale is given for why this skill is important.Self assessment is an important skill because it provides an element of ownership of the learning, is needed in professional life, helps to develop self confidence and provides a way to give prompt feedback.Self assessment is a valued skill because it seems to be related to self image and self confidence which, in turn, are related to exam anxiety, and propensity to procrastinate.We used five components to develop and apply skill in self assessment: a 4 to 6 hour workshop, resume writing, reflective journal writing, a personal enrichment project and a personal interview to determine the final grade in courses.Details are given.We have used this approach since 1982 as part of the McMaster Problem Solving program.Marks from self assessment agree within ∀ 5% with marks from faculty based on term work and exam performance for over 3/4 of the students.This compares with data from other researchers who found that marks from self assessment agree within ∀ 10% with the teacher=s marks for over 3/4 of the students.Anecdotal testimonies from our alumni identify the importance of this skill development.

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)0,031
score de la tête « metaresearch » (Gemma)0,052
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,162

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0310,052
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0020,005
Communication savante0,0070,004
Science ouverte0,0030,007
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,026
Tête enseignante GPT0,335
Écart entre enseignants0,308 · 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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEngineering Education and PedagogyTravaux en français237 207