Unpacking 'the Next Black Box': Investigating the Cognitive and Affective Underpinnings of Student Self-Assessment
Notice bibliographique
Résumé
Despite theoretical and empirical arguments for its essential role in learning, and its consequent centrality in classroom assessment frameworks and policy globally, little is known about student self-assessment’s internal cognitive and affective processes. Left without a theory to inform teachers in supporting productive student self-assessment (SSA), many students will never learn to be sources of their own feedback, the foundation for independent, lifelong learning. This research responds to calls to examine how students in K-12 contexts think and feel while engaged in SSA tasks that are supported by literature – the next black box of classroom assessment research. First, I synthesized relevant self-assessment literature within a highly granular self-regulated learning (SRL) model. Drawing on this theoretical foundation, I employed a collective case study using digital trace data to infer the ways in which a class of Year 12 students (n=16) in a UK secondary school thought and felt during an evidence informed self-assessment activity. Matomo, a web analytics platform, collected session recording and heatmap data which elucidated participants’ cognitive and affective operations as they completed a writing task, self-assessed their work using exemplars and rubrics, and revised their writing accordingly. I analyzed log files of trace data to a) infer which SRL subprocesses participants activate, b) generate self-assessment process graphs and profiles for each participant, and c) investigate how participants engaged in each process based on the content of their work. Findings highlight the recursive and weakly sequenced nature of SSA processes, as well key cognitive and affective trends. Moreover, SSA profiles for each participant demonstrate how trace data and learning analytics can support advances in student learning through SSA. Forming the basis for an initial theory of SSA cognition and affect, this research advances SSA theory, a core component of classroom assessment.
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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».