FORMATIVE ELECTRONIC ASSESSMENTS DURING COVID-19 LOCKDOWN IN SECOND PHASE MEDICAL UNDERGRADUATES
Notice bibliographique
Résumé
Objective: Electronic learning and assessment was embraced in medical education worldwide following the COVID-19 pandemic. This study was done to determine the perceptions of medical undergraduates on formative electronic assessments conducted during COVID-19 lockdown and to estimate the mean marks scored in these assessments. Methods: This was a descriptive study done for a period of 3 months on online platform. Six online formative assessments were conducted on Google Forms or Kahoot. A questionnaire was administered as Google Form to collect the perceptions of the participants on perceived ease of use of platform, attitude, and practice adopted in online assessments. Data were analyzed using SPSS 16. Results: The response rate was 97.7%. Kahoot was perceived to be easier with lesser technical glitches and privacy concerns as compared to Google, while it was equivocal in terms of access assessment links, output storage, display clarity, overall user interface, network issues, need for computer literacy, and eyestrain caused. The participants had a positive attitude regarding the usefulness of online assessments however majority liked the traditional assessments more than the online assessments. While less than one-third (22%) had copy pasted some answers, more than half (54.4%) had referred to internet and more than three quarter (79.6%) had referred to textbooks/power points/notes while attending online assessments. Conclusion: The participants felt that Google Forms and Kahoot were comparable online assessment tools except for difficulty in filling, privacy concerns, and technical issues on Google Forms. The usefulness of online assessments was embraced by the participants but they felt that the traditional assessments were to be continued, while attending online assessments some students had referred to the internet or study materials.
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 | 0,010 | 0,024 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».