Portfolio Project as Summative Language Assessment: Engaging Learners Online
Notice bibliographique
Résumé
High stakes midcourse and final exams have long been a dominant assessment model. But exam performance does not necessarily correlate with learning or students’ ability to apply learning to real-life scenarios outside the classroom. Reliance on such high-stakes assessments can result in elevated learner stress during exam times and lack of learner engagement during non-exam times. In contrast, active learning requires ongoing student engagement, and assessments of student work completed in such activities are authentic archetypes of student learning that demonstrate student ability to apply their learning to authentic situations, problems, and issues. This article argues that assessment practices based on multiple, low-stakes, iterative assessments within an active learning environment provides more feedback and engages students in their own learning as active participants, which leads to increased student success. The case study presented in this article is specific to foreign language courses offered through online education. Combining best practices of learner engagement in the online environment and assessment in the communicative language classroom, language faculty in an open enrollment program developed an assessment model for asynchronous, introductory language courses in the online environment that relies on multiple low-stakes assessments that culminate in a final, summative portfolio project. This article will offer examples of how the portfolio project is situated in the course and an overview of portfolio project topics. Example instructions and assessment rubrics will be provided. Data from the first full year of implementation will be analyzed to begin to assess the impact and effectiveness of this portfolio assessment. Résumé : Placer les examens importants en milieu et fin de cours constitue depuis longtemps un modèle d'évaluation dominant. Mais les résultats aux examens ne sont pas nécessairement liés à l'apprentissage ou à la capacité des étudiants à appliquer leurs apprentissages à des scénarios de la vie réelle à l'extérieur de la classe. Le recours à de telles évaluations, dont les enjeux sont élevés, peut entraîner un stress élevé chez l'apprenant pendant les périodes d'examen et un manque d'engagement de la part de l'apprenant pendant les périodes où il n'y a pas d'examen. L'apprentissage actif exige un engagement continu de la part des étudiants, et des évaluations portant sur des activités faisant ressortir leur capacité à appliquer leurs apprentissages à des situations, problèmes et enjeux authentiques. Cet article défend l’idée que les pratiques d'évaluation fondées sur des évaluations multiples et itératives à faibles enjeux, dans le cadre d’un apprentissage actif, fournissent une rétroaction plus ciblée et favorisent l’engagement des étudiants dans leur propre apprentissage en tant que participants actifs, ce qui favorise leur réussite. L'étude de cas présentée dans cet article est centrée sur les cours de langues étrangères offerts en ligne. Dans un programme de formation ouverte, les professeurs de langue ont combiné les meilleures pratiques d'engagement de l'apprenant dans l'environnement en ligne et l'évaluation en classe de communication en langue étrangère afin de développer un modèle d'évaluation pour des cours asynchrones d'introduction à la langue. Celui-ci repose sur de multiples évaluations à faibles enjeux qui aboutissent au projet final de portfolio d’évaluation sommative. Cet article donnera des exemples de la façon dont le projet de portfolio se situe dans le cours et offrira un aperçu des sujets associés au projet de portfolio. Des exemples d'instructions et de rubriques d'évaluation seront proposés. Les données de la première année complète de mise en œuvre seront analysées pour commencer à évaluer l'impact et l'efficacité de ce portfolio d’évaluation. Mots-clés : évaluation sommative, cours de langue en ligne, conception de cours, projets de portfolio
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 | 0,016 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,006 |
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 ».