Post-Secondary Student Evaluations of Teachers: The Debate of Usefulness Continues
Notice bibliographique
Résumé
Student evaluations of teachers (SETs) are collected by colleges and universities across the country. Having only been introduced in the early part of the twentieth century, these evaluations are a fairly new tool for higher education administrators to receive feedback and assess the effectiveness of curriculum and instructors. Although implemented as a tool to provide students a medium to share their perspectives, with the goal to improve academic processes, there are concerns regarding their effectiveness, reliability, purpose, and necessity. Further, the literature reflects that students are not well versed by college administrations or faculty members regarding the desired impacts and purpose of SETs, so they are often not completed in a manner that includes cognitive engagement, accurate recall, or the genuine desire to provide constructive feedback and assessment. Even with these limitations, college and university administrators have grown to rely upon SETs to provide constructive insights for instructors to help them improve their teaching effectiveness and summative feedback for committees to use when making promotion, tenure, and compensation decisions. The disconnect between SET objectives and the actual outcomes, however, is problematic. Students often don’t view SETs as impactful, so their level of cognitive engagement is lacking, which can result in skewed, or even false assessments. In fact, since most SETs are completed with the promise of anonymity, they have been used as a weapon by disgruntled students against instructors, regardless of whether the negative feedback is deserved. Finally, SETs have been directly correlated to grade inflation, which has numerous negative implications. The following literature review illustrates the myriad shortcomings of SETs, with the hope that further research will help to discover how they can be re-structured to foster academic excellence in a productive and reliable manner.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,140 | 0,422 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,012 |
| Communication savante | 0,015 | 0,012 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».