MétaCan
Menu
Retour à la cohorte
Enregistrement W7015669281

Thematic Working Group 5: Formative assessment supported by technology.

2023· article· en· W7015669281 sur OpenAlexfundno aff

Notice bibliographique

RevueIPIR – Repository of the Institute for Educational Research (Institute for Educational Research, Belgrade, Serbia) · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueStudent Assessment and Feedback
Établissements canadiensnon disponible
Organismes subventionnairesUniversitetet i OsloUniversity of MumbaiVictoria University of WellingtonTel Aviv UniversityVictoria UniversityCurtin University of TechnologyTata TrustsGriffith UniversityUniversity of North TexasUniversity of WollongongAl Akhawayn University in IfraneItä-Suomen YliopistoUniversité de SherbrookeVrije Universiteit BrusselKing's College LondonDublin City UniversityUniversiteit van AmsterdamMonash UniversityUniversité LavalWest Virginia UniversityUniversity of CanterburyTata Institute of Social SciencesManchester Metropolitan UniversityUniversity of OtagoArizona State UniversityNova Southeastern UniversityKasetsart University
Mots-clésFormative assessmentSummative assessmentAccountabilityThematic analysisFocus groupKnowledge surveyPeer assessmentWork (physics)Educational assessmentAssessment for learning
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The future of assessment faces major challenges including the use of IT to facilitate
\nformative assessment that is important for improving learners’ development, motivation
\nand engagement in learning. In many countries, in recent years, a renewed focus on
\nassessments to support learning has been pushing against the burgeoning of testing for
\naccountability, which in some countries, renders effective formative assessment
\npractices almost impossible. Moreover, a systematic review by Harlen and Deakin Crick
\n(2002) revealed that a strong focus on summative assessment for accountability can
\nreduce motivation and disengage many learners. At the same time use of IT‐enabled
\nassessments has been increasing rapidly, as they offer promise of cheaper ways of
\ndelivering and marking assessments as well as access to vast amounts of assessment
\ndata from which a wide range of judgements might be made about students, teachers,
\nschools and education systems (Gibson & Webb, 2015). These opportunities also extend
\nto assessment of complex collaborative work (Webb & Gibson, 2015). Current
\nopportunities for using IT, including for harnessing the data that is being collected
\nautomatically, for formative assessment are underexplored and less well understood
\nthan those for summative assessments. Opportunities for learning with IT and perhaps
\nwith less teacher input are increasing but this depends on students developing as
\nautonomous or independent learners. Research in formative assessment including
\neffective feedback has emphasised the value of peer assessment practices for
\ndeveloping self‐assessment capabilities and hence independent learners (Black,
\nHarrison, Lee, Marshall, & William, 2003). At previous EDUsummITs the possibilities and
\nchallenges for IT‐enabled assessments to support simultaneously both formative and
\nsummative purposes were analysed (Webb, Gibson, & Forkosh‐Baruch, 2013). While these challenges remain, at EDUsummIT 2017 we focused on the opportunities and
\nchallenges of IT supporting formative assessment because effective formative
\nassessment is known to be extremely important for learning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,495
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,006
Études des sciences et des technologies0,0090,006
Communication savante0,0010,001
Science ouverte0,0030,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,160
Tête enseignante GPT0,482
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIPIR – Repository of the Institute for Educational Research (Institute for Educational Research, Belgrade, Serbia)Même sujetStudent Assessment and FeedbackTravaux en français237 207