MétaCan
Menu
Retour à la cohorte
Enregistrement W4313288088 · doi:10.22230/ijepl.2022v18n2a1223

FELEing It: Developing a Rubric Through an Interdisciplinary Partnership to Support Graduate Students’ Writing Skills

2022· article· en· W4313288088 sur OpenAlexvenueno aff
Maureen Ungarean, Krista Bixler, ONDER KOKLU, Jason Elek, Elizabeth Weatherford, Krista Casazza

Notice bibliographique

RevueInternational Journal of Education Policy and Leadership · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueReflective Practices in Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRubricCourseworkPedagogyPsychologyInternshipMedical education

Résumé

récupéré en direct d'OpenAlex

Educational leadership demands that school leaders be able to communicate clearly and effectively in writing, both academically and professionally. Leaders of a Master’s in Educational Leadership (M.Ed.) program at a university in the southeast of the United States established an interdisciplinary collaboration with the university’s Faculty Writing Partners program to develop valid and reliable rubrics to assess graduate students’ writing abilities through critical task essays. The critical task essays connect required internship experience in each course with a targeted Florida Principal Leadership Standard (FPLS), coursework, and scholarly research. However, an objective performance measure for the critical task essays was lacking. Accordingly, a criterion-referenced rubric was developed to: 1) specify criteria for writing in relation to grammar, mechanics, and organization, 2) identify quality peer-reviewed research as evidence to support clinical experience, 3) effectively articulate in writing personal strengths, weaknesses, and plans for improvement towards mastery of the FPLS, and 4) provide consistency in expectations and feedback among professors and adjunct instructors. The rubric demonstrated validity and reliability, and likely led to consistently higher scores on both the critical task essays and, most importantly, the Florida Educational Leadership Examination (FELE). Résumé: Le leadership en éducation exige que les cadres scolaires sachent communiquer clairement et efficacement sous forme écrite, tant au niveau pédagogique que professionnel. Les responsables de la maîtrise en leadership éducationnel dans une université du sud-est des États-Unis ont établi une collaboration interdisciplinaire avec les responsables du programme « Faculty Writing Partners » à la même université afin de développer des critères valables et fiables pour évaluer, au moyen de textes d’analyse critique, les aptitudes en rédaction de leurs étudiants diplômés. Ces textes ont comme objectif de relier les expériences acquises par ces étudiants lors d’un stage obligatoire dans chaque cours au Florida Principal Leadership Standard (FPLS), au travail qu’ils ont effectué dans le cours, et à leurs recherches universitaires en général. Il manquait cependant une mesure objective pour évaluer les textes d’analyse critique. On a donc conçu un tableau fondée sur des critères précis pour : 1) spécifier nos attentes en ce qui a trait à la grammaire, la syntaxe et l’organisation du texte; 2) reconnaître l’article de recherche de bonne qualité évalué par les pairs comme complément de l’expérience clinique; 3) articuler efficacement sous forme écrite les qualités, faiblesses et objectifs d’amélioration personnels relatifs à la maîtrise du FPLS; et 4) assurer une uniformité parmi les professeurs et les instructeurs associés dans leurs attentes et leurs conseils. Le tableau s’est avéré valable et fiable. D’ailleurs, en toute probabilité, il a mené à de meilleurs résultats pour les textes d’analyse critique et surtout pour le Florida Educational Leadership Examination (FELE). Keywords / Mots clés : educational leadership, professional writing for school leaders, academic writing for school leaders, improving FELE writing scores / leadership en éducation, rédaction professionnelle pour cadres scolaires, rédaction universitaire pour cadres scolaires, amélioration des résultats en rédaction pour le FELE

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)0,012
score de la tête « metaresearch » (Gemma)0,044
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,044
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,005

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 Opus0,300
Tête enseignante GPT0,555
Écart entre enseignants0,255 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Education Policy and LeadershipMême sujetReflective Practices in EducationTravaux en français237 207