MétaCan
Menu
Retour à la cohorte
Enregistrement W4365144709 · doi:10.1080/0305764x.2023.2196245

Toward a Praxis-Oriented Understanding of Student Self-Assessment in STEAM Education: How Exemplary Educators Leverage Self-Assessment

2023· article· en· W4365144709 sur OpenAlexafffund
Nathan Rickey, Michelle Dubek, Christopher DeLuca

Notice bibliographique

RevueCambridge Journal of Education · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueStudent Assessment and Feedback
Établissements canadiensUniversity of TorontoQueen's University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésPraxisDocumentationMathematics educationAuthentic assessmentSelf-assessmentPedagogyMetacognitionFormative assessmentPsychologyTransformative learningGrading (engineering)Process (computing)Leverage (statistics)Engineering ethicsEngineeringCurriculumComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

While researchers have begun to develop theories of assessment to support integrated learning within Science, Technology, Engineering, Arts and Mathematics (STEAM) education, the role of student self-assessment (SSA) – a core aspect of classroom assessment – has been understudied. The purpose of this research was to develop an initial praxis-oriented understanding of how exemplary STEAM educators provoke SSA in integrated learning. Through an in-depth qualitative methodology drawing on interview and artefact data from 14 purposefully selected exemplary STEAM teachers, this study identified seven types of SSA activities: (a) self-documentation of learning; (b) reflection; (c) making metacognitive processes explicit; (d) prototype testing and revision; (e) goal setting; (f) self-testing; and (g) interactional SSA. Superimposed on the engineering design process, a process commonly leveraged to integrate disciplines in STEAM education, results provide a nuanced understanding of how exemplary STEAM educators leverage SSA, advancing assessment theory and practice in integrated education.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,328
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,050
Tête enseignante GPT0,386
Écart entre enseignants0,336 · 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.

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

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCambridge Journal of EducationMême sujetStudent Assessment and FeedbackTravaux en français237 207