MétaCan
Menu
Retour à la cohorte
Enregistrement W4311362056 · doi:10.1007/s44217-022-00021-y

Improving the effectiveness of teacher assessment in higher education: a case study of professors’ perceptions in Morocco

2022· article· en· W4311362056 sur OpenAlexaff
Jérôme St‐Amand, Aziz Rasmy, Abdessamed Nabil, Clémentine Courdi

Notice bibliographique

RevueDiscover Education · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvaluation of Teaching Practices
Établissements canadiensUniversité de MontréalUniversité du Québec en Outaouais
Organismes subventionnairesnon disponible
Mots-clésApprehensionStrengths and weaknessesPerceptionPsychologyAnxietyHigher educationProcess (computing)Medical educationPedagogyPolitical scienceMedicineSocial psychologyComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Teacher assessment in higher education is a widely used strategy in Western countries, but it is not common practice in Moroccan academia. In consequence, the establishment of a new assessment policy in higher education creates a new dynamic in teaching practices, teacher assessment, and professional career development. This type of major change, however, is likely to generate anxiety among staff regarding the learning of new practices, and uncertainty regarding their involvement in the process of teacher assessment. The objective of the present study was thus to explore the perceptions of professors concerning the implementation of teacher assessment in Moroccan universities through a survey and interviews carried out among the professors. The majority of professors expressed a positive attitude toward the usefulness of teaching evaluations. According to them, teacher assessment helps them identify strengths and weaknesses in their teaching. In contrast, there is a recurring issue among the respondents, namely the crisis of trust toward the parties involved in the evaluation process and apprehension regarding consequences of these evaluations’ results on faculty status and rank progression. The majority were very suspicious of using student assessment for administrative purposes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,002
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,111
Tête enseignante GPT0,501
Écart entre enseignants0,390 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiscover EducationMême sujetEvaluation of Teaching PracticesTravaux en français237 207