The internal consistency and accuracy of automatically scored written receptive meaning-recall data: A preliminary study
Notice bibliographique
Résumé
Vocableveltest.org is a testing platform on which users can create online self-marking meaning-recall (reading or listening) and form-recall (typing) tests that address a number of limitations of the existing vocabulary level tests and vocabulary size tests. A major limitation of many existing vocabulary tests is the written receptive meaning-recognition (multiple-choice or matching) format which is associated with increased error due to guessing and decreased power to measure the type of vocabulary knowledge suitable for reading practice (McLean et al., 2020, Stewart et al., 2021a, Stoeckel et al., 2021), despite being designed for this purpose (Nation, 2012, Schmitt et al., 2020, Webb et al., 2017). Conversely, scoring meaning-recall tests by hand is labour-intensive, and the internal consistency and accuracy of automatically marked data are unknown. Thus, this study investigated the internal consistency and accuracy of automatically marked responses of 98 words from the fifth 100 most frequent words of English. This study tested for knowledge of high-frequency words as a more robust test of the marking system, as these words possess multiple-meaning senses, making their automatic marking problematic. Furthermore, the predicted limited range of learners’ knowledge of these 98 words was expected to result in data of a low internal consistency. However, the automatically marked data had a high internal consistency (Cronbach’s α = 0.868) and was 98% similar to human marked meaning-recall responses.
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 | 0,037 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».