Two-Stage CS Exams: A Multi-Institutional Study of Course and Exam Feature Impacts on Student Perceptions and Performance
Notice bibliographique
Résumé
A two-stage exam (TSE) is an exam format where students first complete an exam individually before completing the same (or a similar) exam in collaboration with a group of peers. Our working group collected data from Computer Science instructors deploying TSEs at a variety of post-secondary institutions in Canada, the United States, and Australia. We conducted quantitative analysis of student perception and performance data and synthesized results with qualitative analysis of student and instructor perceptions. Our mixed methods approach enabled us to identify several important factors influencing student perceptions of and performance on TSEs in Computer Science classes, including group formation method and group size during the TSE. Student survey responses indicated that students generally had very positive perceptions about TSEs, and a majority of students felt better about their performance on the individual stage after completing the group stage. Some instructors experimented with offering a different exam during the group stage: students who completed the same exam during both stages of the TSE reported more positive perceptions about the experience than students in courses where the group stage exam differed from the individual stage exam. TSE grade data compared with students' grades going into the assessment show that while the raw group-vs-individual grade differentials are highest for low-performing students, when we consider the relative grade improvement, it is similar across the performance spectrum. Instructors were positive about the experience of running TSEs and all reported intentions to continue using the assessments in at least some courses.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».