MétaCan
Menu
Retour à la cohorte
Enregistrement W4405573061 · doi:10.5070/w4.jwa.41211

Editor’s Introduction: The “Accidental California Issue” – Critical Questions about Fairness and Equity in Writing Assessment and Placement

2024· article· en· W4405573061 sur OpenAlexfundno aff
Carl Whithaus

Notice bibliographique

RevueJournal of writing assessment · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Learning Practices
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Illinois at Urbana-ChampaignCalifornia State University Channel IslandsUniversity of MiamiYork UniversityMontclair State UniversityUniversity of South FloridaUniversity of California, DavisMiddle Tennessee State UniversityArizona State UniversityCalifornia State University, SacramentoStony Brook UniversityUniversity of the Fraser ValleyWayne State UniversityUniversity of Central FloridaSanta Clara UniversityNorth Carolina State University
Mots-clésAccidentalEquity (law)Computer sciencePsychologyEngineering ethicsPolitical scienceEngineeringLawPhysics

Résumé

récupéré en direct d'OpenAlex

JWA 17.2 features five articles that explore these evolving practices and critical questions around fairness and equity. Daniel Gross (2024) examines the implications of construct validity in the discontinuation of the Analytical Writing Placement Examination (AWPE) at the University of California. Julia Voss, Loring Pfeiffer, and Nicole Branch (2024) share how they used interviews from programmatic assessment to understand student learning outcomes in ways that value minoritized students’ experiential knowledge. Edward Comstock (2024) investigates the interplay between self-efficacy and programmatic assessment, emphasizing the value of qualitative methods in evaluating writing programs. Sarah Hirsch, Kenneth Smith, and Madeleine Sorapure (2024) present on Collaborative Writing Placement (CWP). Julie Prebel and Justin Li (2024) critique of a first-year writing portfolio assessment through lenses of equity, curricular design, performance, and reliability.

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)0,008
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
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 enseignants0,513
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
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 Opus0,027
Tête enseignante GPT0,489
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 tête enseignante, pas un consensus.

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of writing assessmentMême sujetHigher Education Learning PracticesTravaux en français237 207