Pragmatic Measurement for Education Science: A Method-Substance Synergy of Validation and Motivation
Notice bibliographique
Résumé
Education researchers often require quick and efficient assessments of various student characteristics (e.g., motivation) to use in classroom settings. Unfortunately, guidelines for addressing practical measurement obstacles, such as scale length, are ambiguous at best and non-existent at worst. Many measures lack sufficient evidence that the conclusions they produce are merited, and short measures have received particular criticism from measurement experts. The result is a tension between technical and pragmatic constraints when conducting measurement in field research. This three-paper dissertation is aimed at identifying and addressing these tensions in one area of motivation research. Paper 1 provides the substantive frame for the overall dissertation. The goal was to understand short-term student motivation change in a classroom setting. Paper 2 provides a typical approach to assessing a scale's quality and viability for use in the field. The goal was to use traditional psychometric approaches to evaluate a brief measure of motivation. Finally, Paper 3 presents a pragmatic approach to determining validity evidence (i.e., pragmatic measurement) by considering the underlying uses and restrictions of collecting data. The goal was to evaluate the pragmatic approach as a framework for measure users to identify the relevant validity evidence needed based on the potential uses and interpretations of a measure. Together, these papers highlight the nature and benefit of advancing methodological goals by pursuing substantive goals. The current research is a methodological-substantive synergy (i.e., work that advances a substantive domain, such as motivation, while developing and utilizing state-of-the-art methodology) aimed alleviating technical and practical tensions.
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 | 0,321 | 0,467 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,005 | 0,028 |
| Communication savante | 0,017 | 0,015 |
| Science ouverte | 0,003 | 0,017 |
| Intégrité de la recherche | 0,004 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».