Reasoning, Granularity, and Comparisons: A Unit-Based Method for Characterizing Students’ Arguments on Chemistry Assessments
Notice bibliographique
Résumé
In a world facing complex global challenges, citizens around the world need to be able to engage in argumentation supported by scientific evidence and reasoning. In order for coming generations to have proficiency in this skill, students must be provided opportunities to develop and demonstrate argumentation science classrooms, including on assessments. For example, students can be provided with assessment items that explicitly ask them to reason from evidence. Alongside these assessment items, researchers and educators need methods to evaluate students’ written arguments. In this study, we present a unit-based method for characterising students’ arguments on chemistry assessments. This unit-based method identifies units (links, concepts, comparisons) within one’s argument, and uses these units to evaluate an argument based on three dimensions: reasoning, granularity, and comparisons. To demonstrate this method, we report our findings from using it evaluate two different organic chemistry questions: (1) justifying why one of three bases would drive an equilibrium towards products ( N = 170), and (2) justifying why one of two reaction mechanisms is more plausible ( N = 122). Lastly, to translate the method into a rubric for educators, we compare a scoring system based on the unit-based method against a traditional scoring system. As well, we report our findings from interviews with educators ( N = 4) to invite their feedback on the rubric and its dimensions.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».