MétaCan
Menu
Retour à la cohorte
Enregistrement W2960813101 · doi:10.5430/rwe.v10n2p96

Comparison Between Conventional and Digital Essay Writing Assessment System: Consumer Concept and User Friendly

2019· article· en· W2960813101 sur OpenAlexvenueno aff
Adenan Ayob

Notice bibliographique

RevueResearch in World Economy · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Technology Integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMalayMathematics educationChristian ministryDescriptive statisticsUser FriendlyData collectionPerspective (graphical)Computer sciencePsychologyMultimediaStatisticsMedical educationMathematicsArtificial intelligencePolitical scienceLinguisticsMedicine

Résumé

récupéré en direct d'OpenAlex

Significant changes occurred in education system; teaching and learning technology in this new era. The changes can be revised through the existence of digital assessment system for essay writing. In utilizing and interpreting these changes, this study was conducted to examine the use of digital and conventional assessment system for Form Three among Malay teachers. The survey method was used in this study. The samples of the study are 60 teachers of the national secondary school which taught Malay Language for form three in Selangor and Federal Territory of Kuala Lumpur. The data are described descriptively and inferentially. Descriptive data are mean and standard deviation. Inferential data was analyzed using ANCOVA statistics. The findings show that there is a significant difference in teachers' opinion on the use of digital assessment system and the use of conventional assessment materials that based on consumer concept and user friendly. From that perspective, digital scoring system make teachers more dynamic in scoring the essay writing for form three. Therefore, it is recommended to the Ministry of Education to implement and revise the use of digital assessment system to improve the process for primary and secondary schools.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,483
Score d'incertitude au seuil0,316

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,078
Tête enseignante GPT0,449
Écart entre enseignants0,371 · 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.

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch in World EconomyMême sujetEducation and Technology IntegrationTravaux en français237 207