MétaCan
Menu
Retour à la cohorte
Enregistrement W2752208322 · doi:10.5539/elt.v10n10p1

Exploring Students’ Perspectives toward Clarity and Familiarity of Writing Scoring Rubrics: The Case of Saudi EFL Students

2017· article· en· W2752208322 sur OpenAlexvenueno aff
Dukhayel Aldukhayel

Notice bibliographique

RevueEnglish Language Teaching · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueStudent Assessment and Feedback
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRubricCLARITYPsychologyMathematics educationQuality (philosophy)Set (abstract data type)Strengths and weaknessesMedical educationComputer scienceSocial psychologyMedicineChemistry

Résumé

récupéré en direct d'OpenAlex

The main aim of this research study is to investigate the clarity and familiarity of three scoring rubrics used in a Saudi university’s preparatory year program (PYP) for assessing students’ writing achievement in midterm and final exams. This exploration is important in providing some evidence for the quality of scoring rubrics. To achieve that purpose, a 13-item online questionnaire was used to collect Saudi EFL PYP students’ perspectives toward two quality criteria concerning rubrics; 1) clarity of the information included in the PYP rubrics, and (2) familiarity of the rubrics to students. The subjects were 281 Arabic-speaking male and female EFL Saudi students enrolled in three different academic levels in a Saudi university’s PYP. The results suggest that the quality of the PYP rubrics is insufficient and the criteria set for providing evidence for the rubric qualities were not met. The results show that students tend to have a mild agreement on the clarity of the PYP rubrics, whereas they show a clear disagreement on their familiarity with the rubrics and with why and how the rubrics are used. The study implicates that administrators and teachers need to carefully consider the clarity and familiarity of rubrics in order to justify the decisions made about students’ writing abilities. Rubrics that are unclear or unfamiliar can make students feel confused and frustrated, as they cannot get a clear sense of their writing scores, as well as their strengths and weaknesses.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,224
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,091
Tête enseignante GPT0,399
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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetStudent Assessment and FeedbackTravaux en français237 207