MétaCan
Menu
Retour à la cohorte
Enregistrement W4402746259 · doi:10.18357/otessac.2023.3.1.227

Online Collaborative Testing: Design and Implementation in a Large First-Year Undergraduate Course

2023· article· en· W4402746259 sur OpenAlexaffvenue
Mariel Miller, Safoura Askari, Syed Qudsia

Notice bibliographique

RevueThe Open/Technology in Education Society and Scholarship Association Conference · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueReflective Practices in Education
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésCourse (navigation)Online courseMedical educationComputer scienceMathematics educationPsychologySoftware engineeringEngineeringMedicine

Résumé

récupéré en direct d'OpenAlex

Online collaborative testing is an approach to assessment that emphasizes technology-mediated learning through interaction with peers. As the COVID-19 pandemic prompted exponential growth in online teamwork, skills for online collaborative problem-solving have become essential for today’s graduates. As such, online collaborative testing can play a crucial role in supporting students to develop these skills. In this paper, we report on how an online collaborative test was implemented in a large first-year undergraduate course. We begin with a review of the literature on online collaborative testing. We then describe how the instructional team designed and administered a synchronous online collaborative midterm exam in which groups worked together to analyze a complex case scenario. Finally, we conclude with a reflection on the strengths and limitations of our approach and opportunities for future design.

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)0,007
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,306
Score d'incertitude au seuil0,752

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
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 Opus0,076
Tête enseignante GPT0,452
Écart entre enseignants0,376 · 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'admission2
Résumé présentoui

Explorer davantage

Même revueThe Open/Technology in Education Society and Scholarship Association ConferenceMême sujetReflective Practices in EducationTravaux en français237 207