E-évaluation dynamique et engagement cognitif en contexte de grand groupe à l’université
Notice bibliographique
Résumé
Cognitive engagement is an important part of the learning process, it being connected with deep learning strategies which ensures the mastery of the learning materials (Dinsmore & Alexander, 2012; Greene, 2015). Yet, the use of large classes is noticeably increasing on Western campuses in reaction to the challenges brought by student massification (Maringe et Sing, 2014). This phenomenon is concerning, because it appears that knowledge inherent to learning processes is not considered when choosing teaching practices used in this context (Cuseo, 2007; Hornsby & Osman, 2014). Large classes are in fact associated with shallow learning, which does not benefit Higher Education’s goals (Biggs & Tang, 2011; Maringe & Sing, 2014). However, learning technologies provide accessible tools that can encourage learning-centered practices in large classes and therefore stimulate students’ cognitive engagement (De Matos-Ala & Hornsby, 2015). Thereby, this research aimed to implement a dynamic e-assessment prototype in two large university classes in order to study its influence on students’ cognitive engagement. The design-based-research approach was used in this project, which targets the development of empirical evidence and its experimentation in real-world practices (Brown, 1992). Mixed methodology consisted in measuring students’ cognitive engagement using the Cognitive Engagement Scale (Leduc, Kozanitis & Lepage, 2018) and to examine the e-assessment’s influence on the cognitive engagement’s extent with focus groups and designer logs. Results show that this form of e-assessment was favorable to the students’ cognitive engagement, offering them a chance to develop in-depth processing strategies and to autoregulate their study behaviors in preparation for their final exam.
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 | 0,007 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».