Fairness In Classroom Assessments at Individual and National Culture Levels: A Cross-Cultural Empirical Examination
Notice bibliographique
Résumé
This dissertation examines, for the first time, the effect of cultural values on students' perceptions of (un)fairness in classroom assessments (CA) across two phases, considering both individual and national culture levels. Hofstede’s cultural framework and organizational justice theory serve as the central theoretical foundation for this dissertation. Empirically, a two-phase quantitative methodological study was conducted. Phase I utilized a comprehensive survey distributed among all five U15 institutions—University of Saskatchewan, University of Manitoba, University of Alberta, University of Calgary, and University of British Columbia—via the SurveyMonkey platform (N=626). After accounting for the direct impact of demographic characteristics, the results of hierarchical multiple regression analysis revealed that both the power-distance index and the uncertainty-avoidance index significantly predicted students’ perceptions of CA (un)fairness. In Phase II, the findings from Phase I were extended to the national culture level using two achieved datasets: the 2015 PISA (i.e., Programme for International Student Assessment) and the 2015 Hofstede datasets. After matching the data from both archived datasets, 60,004 students from 2,957 schools across 20 countries participated in this phase. The results of the HLM analysis indicated that none of the cultural values predicted students’ perceptions of CA (un)fairness at the national culture level. Overall, the findings from both phases of this dissertation demonstrate that various variables, including cultural values (i.e., power distance and uncertainty avoidance) at the individual level, significantly predict shaping the student’s perception of CA (un)fairness. These individual-level variables include demographic characteristics (i.e., gender, SES, immigrant status), psychosocial predictors (i.e., test anxiety, achievement motivation, experience with bullying), classroom predictors (i.e., perceived feedback, adaptive instruction, teacher support), and cultural values (i.e., power distance and uncertainty avoidance). The findings reveal significant variations in perceived fairness in CA contexts linked to these factors, providing insights into how assessment practices can be enhanced to align with diverse student needs. This study contributes to a broader understanding of CA fairness in educational contexts, offering actionable recommendations for educators and policymakers to promote equitable and culturally responsive assessment environments.
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 | 0,026 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,003 | 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) | 0,001 | 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 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 ».