Innovative Assessment Practices in Tertiary Education: Balancing Formative and Summative Methods for Diverse Student Populations
Notice bibliographique
Résumé
Tertiary education has evolved to accommodate a more diverse student demographic, including under-represented groups such as individuals with disabilities and non-traditional backgrounds. This shift necessitates assessment practices that do not disadvantage students based on attributes unrelated to the criteria being evaluated. Effective assessment should support all students equally in demonstrating their capabilities. However, the adaptation of assessment models to specific local contexts remains under-explored, despite its potential to enhance both academic and institutional effectiveness. Assessment serves dual purposes in tertiary education: facilitating student learning and certifying achievement. The design and processes of assessments are critical, yet many academics find it challenging to create effective assessment tasks. The literature highlights a persistent gap between assessment methods and actual student learning, with traditional written exams often criticized for their passive nature. Formative and summative assessments are two main categories used to evaluate student performance. Formative assessments provide ongoing feedback, enabling students to improve continuously, while summative assessments judge student achievements at the end of a module. Effective assessment strategies often blend both types to enhance learning outcomes. “Assessment for learning" emphasizes authentic assessments that focus on the learning process rather than merely assigning grades. Learning-oriented assessment integrates tasks as learning opportunities, self- and peer-assessment, and constructive feedback. Authentic assessments, such as real-life tasks, promote deeper understanding and application of knowledge. In the field of Biokinetics, work-integrated learning (WIL) is essential, offering students hands-on experience and immediate feedback. This approach aligns with formative assessment principles, promoting active involvement and real-world application. However, integrating traditional assessment methods with experiential learning poses challenges. Academics must align assessments with real-world situations and adapt to predesigned criteria to ensure effective evaluation. This review critically examines various assessment methods in tertiary education, aligning them with practices in the field of Biokinetics. The findings underscore the importance of authentic, learning-oriented assessments in fostering student development and achieving educational objectives.
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 | 0,279 | 0,281 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,012 | 0,007 |
| Science ouverte | 0,008 | 0,015 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».