THE FORMATIVE ASSESSMENT BACKWASH IN ENGLISH INSTRUCTION AT KRISTEN NUSANTARA VOCATIONAL SCHOOL
Notice bibliographique
Résumé
This case study focuses on covert backwash of formative assessment in English instruction and aims to provide framework of teacher’s instruction realizations in administering formative assessment.The subject was a teacher selected by certain established categories. Data collection techniques are observational recording, interview, and questionnaire. The instruments of data collection are checklist of lesson plan, interview, observational recording, and questionnaire. The findings consist of twenty claims. The conclusions are (1) teacher’s elicitation as key point, (2) elicitations to develop cognitive, (3) numbers of elicitation depending on the existence of students’ responses, (4) deeper involvement by teacher’s feedbacks, (5) no gap during grammar class orientation, (6) slow response, (7) active and interactive demands for the teacher, and (8) life on-going process of learning. The research suggests English teachers (1) to implement formative assessment conversation (2) to implement the claim because it is helpful in developing student cognition; (4) to provide sometimes of FACC absence for students to get ready into the next step and (5) the non-verbal attributes seen on the teacher facilitated the realization of formative assessment conversation to be understood by the students. This research is only limited on teacher without seeing the backwash on the students’ sides. Since it was sought to see the covert backwash, then the unit of analysis was classroom activity, specifically in formative assessment conversation cycle, in which it was administered orally. Further investigation is expected to see the backwash on other types of formative assessment administration.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».