EDUCATIONAL DATA MINING APPROACH FOR ENGINEERING GRADUATE ATTRIBUTES ANALYSIS
Notice bibliographique
Résumé
Curriculum improvement and graduate attributes assessments have become recently a serious issue for many Canadian engineering schools. Collecting assessment data concerning graduate attributes and the students’ learning is an important step of curriculum evaluation and the continuous improvement process. To be successful, this improvement process needs appropriate methods and tools for data analysis.Recent developments in the field of Psychometrics and Educational Data Mining (EDM) provide multidimensional item response models able to take into account student and curriculum attributes as parameters. The primary intent of these new models is to predict student successes based on students past performance and the assessment map underlying the tests they completed.We demonstrate in this paper that these models can also be used to analyze the assessment map. In the psychometric and Educational Data mining literature, assessment maps are usually represented as a parameter that associates items to competencies in a matrix called Q-matrix. This concept draws its origins from the Rule-Space Model that was introduced in the eighties to statistically classify student item responses into a set of ideal response patterns associated to different cognitive skills.A method based on the Additive Factor Model has been successfully implemented to analyse the Q-matrix corresponding to the assessment maps used in the graduate assessment process. The results of 17 volunteering anonymous students completing 36 courses at the Université de Moncton between winter 2010 and fall 2015 semesters was analysed with our method. Results obtained provided interesting and useful information regarding the assessment map and the overall assessment process that are presented and discussed in this paper.
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 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».