Exploring perceptions of alternative assessment and grading in graduate anatomy education
Notice bibliographique
Résumé
Alternative assessment approaches, such as pass/fail and feedback-based designs, aim to reduce academic stress and foster deeper learning. Few studies have examined feedback-based evaluation in formative settings in medical education, but none among graduate anatomy students. This exploratory study investigated the impact of feedback-based versus quiz-based assessments on graduate students' academic stress, motivation, and perceived learning quality in an anatomy course. Nine students were interviewed to discern perceptions of the impact of the different assessment types. Four instructors were interviewed to establish the philosophies behind their chosen assessment style, and their responses were compared to the perceptions of their students. Inductive thematic analyses of student interviews yielded multiple themes regarding considerations for the influence of assessment on academic-related anxiety and motivation: (1) communicating clear goals and expectations, (2) instructor approachability and individualized assessment, and (3) alignment between perceived effort and outcomes. Faculty interviewees demonstrated intentions to (1) promote non-technical skills, (2) provide authentic experiences, and (3) emphasize individualized assessment. However, there was some misalignment between instructors' goals and students' experiences, exacerbating students' stress and reducing their motivation. Feedback-based assessments were preferred for their perceived individualized nature and facilitation of deeper learning. Findings indicated that implementing feedback-based approaches, while ensuring constructive alignment, could reduce stress for graduate anatomy students. Furthermore, clear communication and instructor approachability can cultivate stronger teaching presence, which may enhance motivation, engagement, and the quality of learning outcomes. Implementing formative feedback-based assessments may, therefore, be an effective strategy to reduce stress and improve learning experiences for graduate-level anatomy students.
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 | 0,019 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».