Guidelines for Generating Effective Feedback from E-Assessments
Notice bibliographique
Résumé
Günümüzün eğitim sistemleri öğrencilerin öğrenme sürecini desteklemek amacıyla birçok yeni teknolojiyi uyarlamaya ve kullanmaya devam etmektedir.Bu teknolojilerden birisi de e-sınavlardır.Bu tarz sınavlar öğrencilerin sınav sorularını bilgisayar ya da tablet gibi dijital araçlar ile cevaplamasına imkân vermektedir.E-sınavların önemli faydalarından biri de etkili, hızlı ve bireye özgü geri bildirim üretmeye imkân sağlamasıdır.Bununla beraber e-sınavlardan etkin olarak geri bildirim üretilmesine dair önerilerin yer aldığı çalışmalara literatürde rastlanılmamıştır.Literatürdeki bu önemli boşluğu doldurmak adına e-sınavlarda geri bildirim üretimine dair sistematik bir derleme çalışması yapılmıştır.Bu çalışma üç aşamada gerçekleştirilmiştir. İlk aşamada geri bildirim üretimine dair uygulamaları içeren çalışmalar derlenmiş ve önemli noktalar özetlenmiştir.İkinci aşamada ise e-sınavlardan etkin geribildirim üretmek için araştırmacı ve uygulayıcılara yönelik öneriler sunulmuştur.Son aşamada ise e-sınavlardan hızlı ve bireye özgü geri bildirim üretiminde kullanılabilecek altı adımdan oluşan bir yönerge ortaya konmuştur.Bu yönergede görsel ve yazılı öğelerden oluşan geri bildirimler aracılığıyla öğrencilerin sınav sonuçlarını nasıl daha etkin bir şekilde yorumlayabileceği gösterilmiştir.
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 | 0,076 | 0,186 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,018 |
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 ».