Do outlier assessors provide useful narrative comments?
Notice bibliographique
Résumé
Introduction Outlier stringent/lenient and range-restricted assessors provide low utility assessment scores, reflecting assessor tendency more than learner performance. The quality of narrative comments generated by these assessors remains unknown.Methods End-of-shift assessments from an academic emergency department were scored using the Quality of Assessment of Learning (QuAL) score. The mean Qual score was calculated for each assessor. Stringency/leniency and range restriction were quantified using the mean-delta method and standard deviation of awarded scores respectively. Outlier vs. non-outlier assessor mean QuAL scores were compared using T-tests. Linear regression was conducted with mean QuAL score as the dependent variable, and assessor range-restriction as the independent variable.Results 2034 assessments were completed by 81 assessors. We identified 20 outlier assessors (10 stringent, 10 lenient). Assessor mean QuAL scores ranged from 1.2 to 5 (mean = 3.9, SD = 0.9). Mean QuAL score of non-outliers (4.0) was significantly higher than outlier lenient assessors (3.1, p = 0.02) but not different from outlier stringent assessors (3.8, p = 0.5). Range restriction was negatively correlated with mean QuAL scores (p = 0.003, R2=0.11)Conclusions Outlier lenient and range-restricted assessors provided lower-than-average quality narrative assessments. These assessors, where both numeric and narrative assessments are of limited utility, are ideal candidates for targeted interventions to improve assessment quality.
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 | 0,021 | 0,235 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».