Initial assessment for K-12 English language support in six countries: revisiting the validity–reliability paradox
Notice bibliographique
Résumé
It is common practice for K-12 schools to assess multilingual students’ language proficiency to determine language support program placement. Because such programs can provide essential scaffolding, the policies guiding these assessments merit careful consideration. It is well accepted that quality assessments must be valid (representative of the constructs of interest) and reliable (error-free and consistent). However, a tension exists between validity and reliability, known as the attenuation paradox. Validity is strengthened when the range and depth of the assessed construct align with the target domain. Yet, increased domain coverage can introduce construct-irrelevant variance and greater potential for error, negatively impacting reliability. On the other hand, narrowing the assessed construct, which tends to increase reliability, also weakens validity due to construct-underrepresentation. In this paper, we revisit the validity–reliability paradox by examining initial assessment policies for K-12 English language support programs in six nations. We report on each nation's policies for language placement assessment and the associated language support programs and funding mechanisms. We compare the assessment policies on the validity and reliability spectrum, framed by Bachman's assessment use argument heuristic. We conclude with a discussion of implications related to educational equity.
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 | 0,151 | 0,248 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».