Evaluating Peer-led Feedback in Asynchronous Design Critiques: A Question-centered Approach
Notice bibliographique
Résumé
Design critiques are a central component of the design studio.In engineering education, where the design studio pedagogy is becoming increasingly popular, peer-led critiques can play an important role to support and complement the feedback student teams receive from instructors and clients.In capstone design courses, peer critiques are typically delivered in face-to-face, synchronous environments, where students can demo their design progress and engage in constructive back-and-forth discussion with their peers.The disruption due to the COVID-19 pandemic, which has caused many design courses to be held remotely, has forced instructors to re-imagine how peer critique can be delivered in a virtual, mostly asynchronous setting.In this paper, we describe and evaluate an asynchronous and virtual implementation of peer critiques that are delivered using a text-based discussion forum.Taking a question-asking lens, we analyze hundreds of questions posed by students in asynchronous peer critiques of a capstone design course, and compare the distributions of low-level, deep reasoning, and generative design questions to results of prior studies that have produced analogous distributions in conventional face-to-face settings.We find that a larger portion of peer inquiry that is delivered in written form in asynchronous critiques is composed of generative design questions, which serve to expand the design space, and which have been previously found to be highly valued by design teams.Our findings serve to not only evaluate the effectiveness of the written, asynchronous approach to design critiques, but also support a discussion on how some of its features can be useful even when in-person peer design critiques are feasible.
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 | 0,008 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».