Learners’ Perceptions of Online Exams: A Comparative Study in Turkey and Kyrgyzstan
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As online learning is becoming very popular in formal educational settings and in individual development, online exams are starting to be recognized as one of the more efficient assessment methods. Online exams are effective in either blended or traditional forms of learning, and, when appropriately used, bring benefits to both learners and the learning process. However, learners’ perceptions of online exams in developing countries have not been widely studied despite the potential of such research for contributing to more effective use of online exams in these countries. Thus, this study served two purposes. First, it aimed to investigate students’ perceptions of online exams at a state university in Turkey, and at a state university in Kyrgyzstan. Second, the study compared the results. Structured as a mixed study, the research was conducted during the 2018-2019 fall term. The participants were 370 undergraduate students taking first-year courses online. Quantitative data considered learners’ perception scores gathered via a survey, whereas qualitative data considered learners’ opinions in response to an open-ended question. According to the quantitative analysis, learners’ perceptions differed according to gender, major, and prior online course experience variables. In addition, Turkish and Kyrgyz learners differed in that Turkish learners found online exams less stressful and more reliable and fairer than traditional paper-based exams when compared with their Kyrgyz counterparts. The qualitative analysis provided important results for future planning in both institutions.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle