Peer- and Self-Assessment in Primary School English Language Classrooms
Notice bibliographique
Résumé
Peer- and self-assessment could benefit the pupils in learning English language as a second language due to the aspects of essential whole group and individual reflections within the practice. This paper intends to investigate the practices of peer- and self-assessment among the national primary school English language teachers in a district in Selangor, Malaysia via a mixed methods approach. A survey was administered on 244 teachers, followed by interview and classroom observation on eight subset participants. From the survey, approximately 93% of the respondents had an emerging practice of peer- and self-assessment in their English language classrooms, which happened 50% of the time. The interview and observation findings show that the teachers needed extra time to train the pupils for the practice of peer- and self-assessment, mostly on written work, but also applicable during reading and speaking lessons. Pupils could apply self-assessment by knowing their levels and what to be done, sometimes based on worksheets and checklists. Sometimes, peer- and self-assessment were difficult and confusing among the pupils with lower English language proficiency levels. In the classroom, the pupils needed more time to receive guidance and training from the teachers in order to practise peer- and self-assessment, despite not fully in English. This implies that the teachers were attempting to enact peer- and self-assessment among the pupils, albeit rather deviating from the target language at times.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».