The Practice of Cross-Grading in Assessing Writing: The Case of EFL Teachers and Students in a Saudi Arabian Context
Notice bibliographique
Résumé
This qualitatively based research study utilized a combination of multiple methods, which aimed at investigating the efficacy and reliability of employing cross-grading when assessing English as a Foreign Language (EFL) tertiary level learners’ writing. It further explored the perceptions of the EFL teachers and learners regarding the cross-grading practices to provide a clearer understanding of this relatively unexplored line of research enquiry. It was set to answer the following research question: In what ways does cross-grading practice contribute to assessing EFL writing? The participants of this study were conveniently selected where the sample included four language instructors from different ethnic and cultural backgrounds, as well as four Saudi EFL learners. Semi-structured interviews were individually conducted with all eight participants. In addition, four one-on-one feedback sessions between language instructors and learners were observed to assess feedback effectiveness after the cross-grading sessions. The data analysis revealed that instructors had difficulty explaining the feedback on their learners’ papers since they did not grade their students’ papers themselves. Furthermore, students felt they did not benefit from the feedback sessions because they could not fully understand the external grader’s markings and, thus inhibiting the learner’s ability to improve and develop their writing. The study concluded with some pedagogical implications for the EFL writing assessment context.
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 | 0,131 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».