MétaCan
Menu
Retour à la cohorte
Enregistrement W4308198949 · doi:10.1177/00224871221130742

Teachers’ Conceptions of Fairness in Classroom Assessment: An Empirical Study

2022· article· en· W4308198949 sur OpenAlexaff
Amirhossein Rasooli, Abdollah Rasegh, Hamed Zandi, Tahereh Firoozi

Notice bibliographique

RevueJournal of Teacher Education · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueStudent Assessment and Feedback
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésEquity (law)PsychologyDialecticPedagogyEmpirical researchMathematics educationSocial psychologyEpistemologyPolitical science

Résumé

récupéré en direct d'OpenAlex

With heightened equity pursuits in 21st century schools and the key role of assessment in teachers’ concerns with educational equity, scholars have recently attempted to empirically investigate teachers’ conceptions of fairness in classroom assessment. This study contributes to this growing literature and draws on interview data from 27 experienced high school teachers to further appreciate the factors that propel teachers’ fairness conceptions. The results indicate that the teachers’ conceptions of fairness in classroom assessment were influenced by three themes: (a) individual mechanisms, (b) social mechanisms, and (c) dialectical relationships between individual and social mechanisms. These themes underscored how teachers’ individual philosophies and experiences interacted with their encounters with social conditions of society, schools, and classrooms to influence their conceptions and articulated practices of fairness in classroom assessments. The results contribute to provoke conversations around assessment fairness education during pre- and in-service programs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,258
Score d'incertitude au seuil0,986

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,469
Écart entre enseignants0,411 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Teacher EducationMême sujetStudent Assessment and FeedbackTravaux en français237 207