MétaCan
Menu
Retour à la cohorte
Enregistrement W4392721363 · doi:10.22318/icls2023.866245

Self-Regulated Learning Through Online Formative Assessments: The Effects of Assessment Frequency and Participation on Student Performance

2023· article· en· W4392721363 sur OpenAlexaff
Okan Bulut, Guher Gorgun, Bin Tan, Tarid Wongvorachan, Seyma N. Yildirim‐Erbasli, Ashley Clelland

Notice bibliographique

RevueProceedings. · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensUniversity of AlbertaConcordia University of Edmonton
Organismes subventionnairesnon disponible
Mots-clésFormative assessmentComputer scienceOnline assessmentMedical educationMathematics educationPsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

Using online formative assessments, students can monitor their learning and find strategies to attain their self-regulated learning (SRL) goals.However, as formative assessments are often optional and ungraded, some students may not be motivated enough to participate in such assessments.In this study, we argue that the frequency and stakes (i.e., optional vs. required) of formative assessment can influence the interplay between SRL and student performance.Using data from multiple offerings of an undergraduate course, we investigate the role of formative assessment frequency and participation rate in predicting students' course performance.Our findings showed that student performance and participation in the required formative assessments were more predictive of their course outcomes.Furthermore, increasing the frequency of formative assessments did not improve student performance.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,332
Score d'incertitude au seuil0,473

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,042
Tête enseignante GPT0,446
Écart entre enseignants0,404 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings.Même sujetInnovative Teaching and Learning MethodsTravaux en français237 207