MétaCan
Menu
Retour à la cohorte
Enregistrement W4404012066 · doi:10.1080/02602938.2024.2419604

The paradox of inclusive assessment

2024· article· en· W4404012066 sur OpenAlexaff
Juuso Henrik Nieminen

Notice bibliographique

RevueAssessment & Evaluation in Higher Education · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Learning Practices
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésPsychologyPedagogyHigher educationMathematics educationEvaluation methodsPolitical science

Résumé

récupéré en direct d'OpenAlex

Higher education institutions are increasingly aware of the importance of inclusive assessment, yet large-scale implementations of inclusive assessment policies and practices are rare. Why is it so tricky to design assessment that inclusively considers the diversity of students? This article argues that whilst trying to solve the problem of inclusive assessment, research and practice communities may have forgotten to pay attention to this problematisation itself. Perhaps the problem of inclusive assessment cannot be solved. In this article, inclusive assessment is theorised as a paradox that is organised around three central tensions: (1) Whereas assessment aims to reduce human diversity to hierarchies and categories, inclusive education seeks to move beyond such sorting systems; (2) whereas assessment relies on uniformity, inclusion builds on diversity; (3) whereas assessment is grounded in individualism, inclusion grows from interdependence. Inclusion and assessment may simply be incompatible, at least in terms of how these ideas are currently understood. It is suggested that higher education sectors may continue living with the paradox, try to mitigate the paradox, or embrace the paradox. Given that students are the ones who must live through this paradox, these issues are not merely theoretical but urgent and real.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,066
score de la tête « metaresearch » (Gemma)0,113
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,351

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0660,113
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0080,047
Communication savante0,0180,026
Science ouverte0,0020,020
Intégrité de la recherche0,0060,014
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,079
Tête enseignante GPT0,542
Écart entre enseignants0,462 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAssessment & Evaluation in Higher EducationMême sujetHigher Education Learning PracticesTravaux en français237 207