Formative Assessment Strategies by Monitoring Science Students’ Problem-Solving Skill Development
Notice bibliographique
Résumé
Abstract To be able to support students’ competence development in solving physics problems over the course of a lesson series effectively, teachers need a proper appreciation of students’ deficiencies. As teachers commonly assess students’ competence by means of written tests, teachers are challenged to interpret students’ work on these tests and to intervene when some students fail to understand the proper application of solution methods in different contexts. This paper evaluates a formative assessment practice where teachers have been instructed to pinpoint students’ level of understanding of kinematics problems by means of a cognitive diagnostic instrument and to provide personalized hints that match students’ current level of understanding. The study is novel in this sense that the assessment of written tests results of students’ problem solving is not expressed in grades and pass rates, but in terms of cognitive level of understanding. The results show that teachers can determine and monitor shifts of performance of students’ cognitive level of understanding by using this instrument. Second, the results indicate that among students with low initial results, the group that received sufficient feedback via sticky notes made significantly more progress in solving problems than the group that did not receive feed forward on sticky notes. Third, the timing of feedback in the form of sticky notes did not affect on students’ progress in achieving mastery at the end of the instruction period. Our conclusion of this study is: Cognition develops through levels and tiers and support is essential to move to the Zone of Proximal Development. Subsequently, we evaluate group and subgroup implications for didactic interventions and propose suggestions for further investigations.
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 | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».