Estrategias para la evaluación en educación a distancia: un análisis de las opciones empleadas en el programa de educación general básica de la UNED
Bibliographic record
Abstract
El artículo expone algunos los hallazgos de la investigación que se llevó a cabo gracias al financiamiento de la Coordinación Educativa y Cultural Centroamericana (CECC/SICA); se analizaron las opciones empleadas en la evaluación de los aprendizajes de nueve asignaturas pertenecientes al Programa de Educación General Básica I y II Ciclos, de la Escuela Ciencias de la Educación en la Universidad Estatal a Distancia de Costa Rica (UNED). Se empleó una metodología de investigación mixta; en esta entrega se brindan los resultados correspondientes al primer objetivo de la investigación que responde a la etapa cuantitativa: “Identificar la índole de opciones evaluativas que se emplean en las asignaturas para recopilar las evidencias de aprendizaje del estudiantado”; se examinaron documentos pertenecientes a dos periodos académicos y se logró determinar que en la mayoría de los casos se evalúa por medio de pruebas escritas, tareas o proyectos que incluyen al menos un instrumento de evaluación como, por ejemplo, ensayo, entrevista, cuadro comparativo o reporte de observación.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.042 | 0.059 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".