MétaCan
Menu
Retour à la cohorte
Enregistrement W4399702679 · doi:10.12973/ejmse.5.2.93

Authentic Assessment for Motivating Student Learning and Teaching Effectiveness in Rural, High-Need Secondary Schools in Manitoba, Canada

2024· article· en· W4399702679 sur OpenAlexaboutno aff
Eric. K. Appiah-Odame

Notice bibliographique

RevueEuropean Journal of Mathematics and Science Education · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueReflective Practices in Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRubricPsychologyMemorizationMathematics educationAuthentic assessmentObjectivity (philosophy)PedagogyMedical educationCurriculumMedicine

Résumé

récupéré en direct d'OpenAlex

<p style="text-align:justify">This paper derives from a large research project focusing on mathematics and science assessment of student learning in three high-need, rural, and urban secondary schools in Manitoba, Canada. The study employed qualitative methods of semi-structured interviews and classroom video recordings of teaching practice experiences of 12 mathematics and science teachers, with the purpose that explore how authentic assessment forms assist effective teaching to monitor and motivate student learning achievement and growth. The results indicate that about 67% (eight out of the twelve of the participants) of the research participants practice the traditional mode of standard assessment that consists of multiple forms of questioning. The participants' rationale relates to speedy evaluations of student work, preparing feedback reports to parents and students, and objectivity of the assessment process. The other 33% (four out of twelve of the participants) of participants practice authentic assessment that concentrates on: (1) Allowing students to apply what they have learned rather than testing their ability to memorize and regurgitate concepts, (2) Allowing students to personalize their knowledge and values, (3) Encouraging group project-based learning and with the use of rubric for evaluating and monitoring, (4) Promoting deep learning to become life-long learners, (5) Recognizing, acknowledging, and validating diversity in student learning styles, interests, and aspirations, and further, authentic assessment is an excellent opportunity to apply communicative technologies such as podcasts and webinars in learning and undertaking investigations in mathematics and science learning. Furthermore, some participants asserted that authentic assessments are time-consuming, labor-intensive, and resource-demanding, aside from the limited resources and lack of training, which are some of the challenges of implementing authentic assessment. Other participants stated that all teachers must be familiar with using all assessment tools. The paper concludes that the principal plays a critical instructional leadership role in a school-wide implementation of authentic assessment.</p>

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)0,013
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,439
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,021
Tête enseignante GPT0,380
Écart entre enseignants0,360 · 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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Mathematics and Science EducationMême sujetReflective Practices in EducationTravaux en français237 207