FAIRNESS IN CLASSROOM ASSESSMENT: CONCEPTUAL AND EMPIRICAL INVESTIGATIONS
Notice bibliographique
Résumé
This study aimed to investigate fairness in classroom assessment conceptually and empirically to contribute to the emerging research in this area. Conceptually, it critically reviewed the current conceptions of fairness in educational and classroom assessment and enriched these conceptions using a broad review of the key conceptions of fairness and justice in philosophy, sociology, psychology, economics, and education. \n \nEmpirically, it conducted a two-phase mixed methods study to investigate first year undergraduate students’ perceptions of fairness in classroom assessment in their secondary schools in Ontario, Canada. Phase I included 27 virtual interviews with students that ranged in length from 20-45 minutes and focused on students’ perceptions of un/fairness in classroom assessment. Drawing on the thematic analysis, eight themes were found: (1) overall perceptions of fairness; (2) fairness in groupwork; (3) fairness in exams; (4) fairness in cheating; (5) fairness in grading; (6) fairness in feedback; (7) socio-emotional environment; and (8) responses to perceptions of un/fairness. Overall, these themes coupled with social psychology theory provided the initial foundation to develop the underpinning construct for fairness in classroom assessment. \n \nIn Phase II, this underpinning construct were used to develop the Classroom Assessment Fairness Inventory. This inventory included demographic questions as well as five scenarios (i.e., groupwork, exam, grading, cheating, and feedback). The logical validity evidence for this inventory was investigated by collecting reviews from 10 international assessment expert panel and 10 graduate students with previous K-12 teaching experience. The empirical validity evidence (i.e., internal structure, and relationship to other variables) was collected by virtually administering the inventory to 217 participants and analyzing the data using factor analyses and multivariate regression analysis. The factor analyses supported a five-factor model including (a) unfairness in groupwork, (b) fairness in cheating, (c) fairness in grading, (d) unfairness in feedback, and (e) fairness in feedback. The multivariate regression analysis showed evidence linking students’ personal belief in a just world with perceptions of fairness in grading (β = .262, p < .05), fairness in feedback (β = .294, p < .05), and unfairness in feedback (β = -.19, p < .05).
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 tête enseignante, 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 ».