Global perspectives on School-Based Assessment (SBA): A systematic review of international practices and challenges
Notice bibliographique
Résumé
This systematic review explores the implementation, philosophical foundations, methodologies, and challenges of School-Based Assessment (SBA) across 12 diverse educational contexts, including Finland, Canada, New Zealand, Hong Kong, Singapore, South Africa, the Caribbean, Australia, Malaysia, China, the United States, and Sri Lanka. Drawing from policy documents, empirical research, and academic literature, the study reveals that SBA has emerged as a global educational reform strategy aimed at promoting student-centered learning, formative assessment, and holistic evaluation. The review categorizes SBA systems according to underlying philosophies—such as constructivist and learner-centered models prevalent in Western nations versus the standardized, centralized frameworks dominant in many Asian countries. Despite these variations, SBA is universally acknowledged for its potential to foster deep learning, intrinsic motivation, and meaningful student engagement. However, implementation is hindered by shared challenges including high teacher workload, limited assessment literacy, insufficient training, and the difficulty of achieving consistency in assessment practices. A comparative analysis of 48 key publications from 12 countries using a PRISMA-style approach reveals both commonalities and regional differences in SBA, providing a structured foundation for global policy development. Recommendations underscore the importance of capacity-building, consistent moderation, and integrated policy support to ensure effective, equitable implementation and strong policy support to enable SBA to realize its full potential in enhancing student-centered 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 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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».