MétaCan
Menu
Retour à la cohorte
Enregistrement W4387267871 · doi:10.1080/02602938.2023.2263668

Flexible assessment: some benefits and costs for students and instructors

2023· article· en· W4387267871 sur OpenAlexaff
Mairi Cowan

Notice bibliographique

RevueAssessment & Evaluation in Higher Education · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvaluation of Teaching Practices
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésGrading (engineering)WorkloadFlexibility (engineering)RigourFormative assessmentPsychologyMedical educationMathematics educationPedagogyComputer scienceEngineeringManagementMedicine

Résumé

récupéré en direct d'OpenAlex

Research on flexible assessment suggests that providing students with choice in assignments can increase motivation and deepen investment in learning. Although instructors are often advised to adopt flexible assessment, they are also warned about potential detriments such as perceived lack of rigour among colleagues, the stress that decision-making can bring to students, and increased workload for themselves. This paper draws upon student responses to a survey, a class discussion, and instructor observations to identify benefits and costs of flexible assessment in a fourth-year history course. Among the benefits are that students can pursue their interests more freely in both content and form, while the instructor can enjoy creative and original student work. The costs include anxiety among students who may be unsure how best to choose their assessments, and additional work for the instructor who must manage a multiplicity of assignments within the confines of an institutional grading system. The implementation of flexible assessment is recommended provided that the flexibility is compatible with the course’s learning outcomes, the students’ level of independence, and the instructor’s capacity to take on an unpredictable amount of extra work. Suggestions are offered for how to implement flexible assessment without creating too much of a burden for either students or instructors.

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)0,029
score de la tête « metaresearch » (Gemma)0,081
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil0,155

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,081
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,002
Communication savante0,0070,007
Science ouverte0,0020,005
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,274
Tête enseignante GPT0,583
Écart entre enseignants0,308 · 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.

Devis d'étudeObservationnel
DomaineÉvaluation
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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAssessment & Evaluation in Higher EducationMême sujetEvaluation of Teaching PracticesTravaux en français237 207