The Effect of Formative Assessment on the Academic Achievement Levels of Prospective Teachers
Notice bibliographique
Résumé
This study aims to examine the effect of “Formative Assessment (FA)” practices in “Assessment and Evaluation in Education” class on the academic achievement levels of prospective teachers. It uses a mixed research design. Quantitative data were collected by using double pretest-posttest design, which is one of the complete experimental design structures; while a semi-structured Interview Form was used to collect the qualitative data. The study group consists of a total of 220 prospective teachers who participated in a “Teacher Training Course” in Faculty of Education in Yildiz Technical University, Turkey during the 2017-2018 academic year. The data collection instruments included a 40-item multiple-choice achievement test (AT) chosen from a question bank in accordance with the course objectives and a semi-structured interview form. For the achievement test, reliability was achieved by the test-retest method (r=.95), and validity was secured by the “analytical” method based on expert opinion. Following the nine-week FA practices using the complete experimental double pretest-posttest research design, it was found that these practices (what do I recall? and what have I learned?) resulted in a significant difference in favor of the experiment groups. The responses of prospective teachers to the semi-structured interview form developed to collect qualitative data for the study were categorized into common themes, which demonstrate that the quantitative data are confirmed by the qualitative data regarding the FA practices. This harmony between the quantitative and qualitative data showed that FA practices (independent variable) are strong enough to affect the achievements of prospective teachers (dependent variable).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».