Learner-Educator Co-creation: A Case for Enhancing Authentic Assessment in Nursing Education
Notice bibliographique
Résumé
Authentic assessments support learner needs and meaningful learning by requiring students to use knowledge in a way that develops their competence to solve problems in professional contexts. Improved integration of authentic assessment in nursing education is needed to better prepare learners for practice. The focus of this critical discussion paper is on 1) improving existing definitions of authentic assessment, and 2) arguing that learner-educator co-creation is a strategy for improving authenticity. We advocate for including the following as essential elements of authenticity in nursing assessments; (1) realistic context or tasks; (2) cognitive complexity and appropriate challenge; (3) inclusion of strategies to promote evaluative judgement; and (4) degree of collaboration. Then we illustrate how co-creation improves each of these elements of authenticity, which has not been previously done in the literature. Combining authentic assessment with co-creation is argued to promote meaningful, inclusive, and caring learner-educator relationships that have a lasting impact on learner empowerment and readiness for nursing practice. Arguments in this paper are situated in a nursing context but drawn from multi-disciplinary literature. Readers are encouraged to consider how the value of combining co-creation and authentic assessment may be transferrable to other learning contexts.
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 | 0,103 | 0,099 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,020 | 0,055 |
| Communication savante | 0,026 | 0,028 |
| Science ouverte | 0,005 | 0,040 |
| Intégrité de la recherche | 0,013 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».