HOLISTIC APPROACHES TO ASSESSMENT: BRIDGING GAPS IN TEACHING AND LEARNING
Notice bibliographique
Résumé
Assessment techniques are the keys that can turn a good teacher into a great teacher. By doing the right thing, they can produce high quality output in teaching and learning. On the contrary, the traditional ways of assessing students tend to miss the all-around growth of students, because they mostly concentrate on the cognitive abilities and knowledge retention. This paper is in favour of the implementation of the holistic methods of evaluation which would include a wider variety of skills, attitudes, and competencies. The paper gives examples of different educational theories and practices, such as constructivism, socio-cultural perspectives, and competency-based education, and thus, it offers the strategies for integrating holistic assessment into teaching and learning processes. These strategies comprise of the process of performance evaluation, portfolios, self-assessment, peer evaluation, and authentic assignments. In addition, the publication examines the possible advantages of the holistic approach, for example, the development of deeper learning, the promotion of metacognitive skills, the improvement of student engagement, and the provision of more detailed feedback. Through the connection of conventional assessment methods to the multidimensionality of learning, holistic approaches to assessment are opening up the way for students to become well-rounded learners with the skills and the dispositions necessary for success in the world that is rapidly changing.
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 | 0,034 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,022 |
| Communication savante | 0,017 | 0,022 |
| Science ouverte | 0,003 | 0,017 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».