Notice bibliographique
Résumé
One of the main and integral components of education process is assessment.The assessment of students' learning which is conducted through different methods such as mid-term and final exams, class researches, practical activities, etc. from the beginning years of formal education until the end of university researches or in any educational period with specific goals is considered as the important and pivotal educational activities of education.As the effectiveness of the professors and instructors in education process is assessed according to the level of their mastery and control over the educational methods and techniques, the awareness of the methods and techniques of measurement and assessment of students' learning and selecting the appropriate method of academic achievement assessment and identifying damaging and success factors in it is a part of the characteristics of professors and instructors.The purpose of this study is to investigate the damaging factors and the factors influencing the success of academic achievement assessment in a corporate university from the viewpoint of professors and instructors.The present study is an applied research in terms of objective and it is a descriptive-survey research in terms of methodology.The sample is comprised of all 95 professors and instructors of a corporate university.By Morgan table, the sample size consists of 76 people .The required data whose validity and reliability were confirmed was collected by a researcher-made questionnaire and was analyzed by SPSS software.The results suggested that 92 percent of professors and instructors consider the damaging factors effective in the academic achievement of university.The respondents also believed that the effect of the seven factors in the success of implementing academic achievement assessment is very high.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,995 | 0,991 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».