The Impact of Distance Assessment on Students’ Academic Results and Perseverance in Higher Education
Notice bibliographique
Résumé
In Canada, the Covid-19 pandemic has led to a rethinking of the way students' learning is assessed. This raised a host of questions for their teachers, who had to turn to distance assessment: what assessment activity should students carry out? What format should be used to present instructions? What support should be provided during the assessment activity? What feedback should be given to students at the end? To inspire teachers in the implementation of distance assessment, our team categorized assessment activities at TELUQ University, a leading institution in distance teaching in Canada. To this end, more than 1,600 assessment activities were analyzed using an analysis tool developed by Gérin-Lajoie, Beaupré, Contamines, Hébert, and Paquette-Côté (2020) which provides a detailed characterization of 20 components of assessment activities. Among these assessment activities, we know among other things that: the case studies and exams are the most frequent types of assessment activities, the assessment activities include mostly instructions in text format on the course website, the teachers offer mostly on-demand support to their students, the feedback is mostly given to students in text format. Nevertheless, two important questions remain, and will be the focus of this presentation. Do certain assessment activities lead students to better academic results? Are there assessment activities that lead students to persevere more in their studies? These are the questions we will be answering in this presentation to inspire participants in setting up their own assessment activities.
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 | 0,019 | 0,105 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».