Teaching Experiences of E-Authentic Assessment: Lessons Learned in Higher Education
Notice bibliographique
Résumé
The realities of the 21st century have led professors and lecturers to renew their learning assessment practices so that they are more adapted to and contextualized in the current professional world. Despite advances in teaching and learning, assessment methods may still deviate from practice in authentic contexts. Although some instructors are already familiar with more authentic assessments, most are accustomed to using exams as standard practices to test students’ achievement of course objectives and essays to prepare students for research or written argumentation. Despite their benefits, such typical assessments often lack authenticity and do not develop the full potential of students’ 21st-century learning or literacy skills such as communication, creativity, or working with technologies. Over the past decade, we have been witnessing the beginnings of a broader reflection on teaching, learning, and evaluating with technologies, including more authentic assessments. This reflective essay will present how technologies make it possible to diversify assessment methods, resulting in enhanced authenticity and development of 21st-century learning and literacy skills. Authentic assessment methods with technologies will be illustrated, e.g., recorded video presentations, explanatory interviews with descriptive assessment grids, PechaKucha presentations, blog posts, and social media and e-portfolios, with examples from several disciplines. Authors will also explain how proposing a number of methods to students for the same assessment may help answer their various needs and preferences without increasing instructors’ grading load. Furthermore, authors will discuss how diversifying assessment methods with technologies often results in a transformation of assessment modalities. Beyond assessments as an evaluation of knowledge and/or skills at a fixed schedule, authentic assessments with technologies may become continuous or iterative processes with multiple feedbacks from instructors, thereby combining synchronous interactions and/or discussions with asynchronous reflections to improve students’ involvement and active learning.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».