MétaCan
Menu
Retour à la cohorte
Enregistrement W3172383618 · doi:10.1080/02602938.2021.1912286

Student satisfaction with use of an online peer feedback system

2021· article· en· W3172383618 sur OpenAlexafffund
Magda Donia, Mercè Mach, Tom O’Neill, Stéphane Brutus

Notice bibliographique

RevueAssessment & Evaluation in Higher Education · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueTeam Dynamics and Performance
Établissements canadiensUniversity of CalgaryUniversity of Ottawa
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésTeamworkPeer feedbackPsychologyTeam compositionHigher educationSocial loafingCurriculumKnowledge managementMedical educationComputer scienceMathematics educationPedagogySocial psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

We contribute to the growing evidence of the positive effect of use of online peer feedback tools on students’ teamwork skills development. We do so by exploring individual and contextual factors underlying satisfaction with using a peer feedback system alongside team projects. Employing path analytical framework and bootstrap methods, we analysed data from an international sample of 100 project teams in management studies. Drawing on procedural justice theory, we theorised and found support that students’ uncertainty avoidance orientation and virtuality in collaboration were positively related to their satisfaction with use of a peer feedback system. Such satisfaction in turn allowed them to be more effective team members. Our findings provide evidence for higher education institutions and instructors considering the adoption of online peer feedback systems alongside teamwork in their curricula. Specifically, peer feedback appears to be effective in the development of teamwork skills and students appreciate the opportunity to provide feedback to their peers in a structured and dedicated environment. Our findings are timely and of important practical significance as educational institutions increasingly rely on the use of computer-mediated technology during the COVID-19 pandemic.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,051
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,051
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,124
Tête enseignante GPT0,456
Écart entre enseignants0,331 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAssessment & Evaluation in Higher EducationMême sujetTeam Dynamics and PerformanceTravaux en français237 207