MétaCan
Menu
Retour à la cohorte
Enregistrement W4409835544 · doi:10.59944/postaxial.v3i1.416

Rethinking Assessment and Evaluation: Towards a Holistic Approach to Measuring Student Success

2025· article· en· W4409835544 sur OpenAlexaboutno aff
Yusuf Hidayat, Nurul Aini

Notice bibliographique

RevueInternational Journal of Post Axial Futuristic Teaching and Learning · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueStudent Assessment and Feedback
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHolistic educationEngineering ethicsPsychologyMathematics educationPedagogyManagement scienceSociologyMedical educationEngineeringMedicine

Résumé

récupéré en direct d'OpenAlex

This research explores the integration of critical thinking skills into educational curricula to meet 21st-century social and economic demands. Critical thinking empowers students to analyze information, make informed decisions, and solve problems creatively, making it vital in modern education. The study reviews practices in Finland, Singapore, and Canada, focusing on student-centered methods like inquiry-based learning and collaborative activities that enhance cognitive skills and academic performance. However, challenges include inconsistent teaching, varied assessments, and inadequate teacher training. A qualitative approach was used, employing case studies and comparative analysis of Finland, Singapore, and Canada’s educational systems. Data were collected through interviews with educators, surveys of students and parents, and curriculum analysis. Findings emphasize the need for standardized critical thinking education, clear assessment frameworks, and more educator support to optimize implementation, enhancing student engagement, academic success, and lifelong learning. Future research should explore long-term impacts and best practices to ensure equitable access to critical thinking education.

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)0,134
score de la tête « metaresearch » (Gemma)0,180
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,134
Score d'incertitude au seuil0,707

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1340,180
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0130,006
Études des sciences et des technologies0,0020,005
Communication savante0,0120,009
Science ouverte0,0030,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,060
Tête enseignante GPT0,430
Écart entre enseignants0,371 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Post Axial Futuristic Teaching and LearningMême sujetStudent Assessment and FeedbackTravaux en français237 207