MétaCan
Menu
Back to cohort
Record W2971586144 · doi:10.15517/aie.v19i3.38638

El uso de la rúbrica como herramienta de evaluación y de retroalimentación de la expresión escrita en Francés

2019· article· es· W2971586144 on OpenAlexaff
Kuok-Wa Chao Chao, Micheline-Joanne Durand

Bibliographic record

VenueActualidades Investigativas en Educación · 2019
Typearticle
Languagees
FieldComputer Science
TopicEducational Technology in Learning
Canadian institutionsUniversité de Montréal
Fundersnot available
KeywordsHumanitiesPersonaPhilosophyPhysics

Abstract

fetched live from OpenAlex

Este artículo comparte los hallazgos de una investigación realizada en la Universidad de Costa Rica durante el año 2016. El problema planteado en este estudio fue ¿Cómo la rúbrica ayuda a la persona docente a desarrollar una retroalimentación efectiva y a evaluar las producciones escritas de sus estudiantes? Los antecedentes señalan que la retroalimentación es un elemento esencial para ayudar al estudiantado a mejorar y a reflexionar sobre su propio aprendizaje. Se utilizó una metodología cualitativa de tipo colaborativo. Las personas participantes estaban conformadas por tres docentes y sus respectivos estudiantes. Se realizó un pretest antes de comenzar con la implementación de la rúbrica descriptiva analítica, para documentar las prácticas evaluativas existentes del cuerpo docente. Esto tuvo lugar antes de la realización del taller de formación. Asimismo, se efectuó un postest después de finalizar la investigación en el mes de diciembre del año 2016. De esta manera, se realizaron seis entrevistas a profundidad a docentes de cursos de composición y seis grupos de discusión a sus estudiantes. Se realizaron tres entrevistas antes del taller de formación al cuerpo docente y las otras tres al final de la investigación. De igual modo, para los grupos de discusión, se realizaron tres antes del taller y tres al finalizar el estudio. Como principales resultados, el profesorado encontró que la rúbrica le permitió evaluar de una manera más profesional, al mismo tiempo que ofreció una buena retroalimentación al estudiantado. Sin embargo, se necesita realizar ajustes para mejorarla. Por parte del cuerpo estudiantil, este percibió que era un buen instrumento para realizar una autoevaluación de sus producciones escritas, pero que era necesario tener ejemplos de trabajos para cada criterio. Se concluye que a pesar de algunas dificultades que hubo durante la implementación, la rúbrica es eficaz para la retroalimentación y la evaluación en los cursos de expresión escrita.

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 imitation

Not 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.

metaresearch head score (Codex)0.017
metaresearch head score (Gemma)0.043
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.021
Threshold uncertainty score0.092

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0170.043
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0040.003
Science and technology studies0.0030.004
Scholarly communication0.0060.002
Open science0.0010.003
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.0040.001

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.

Opus teacher head0.010
GPT teacher head0.342
Teacher spread0.332 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations5
Published2019
Admission routes1
Has abstractyes

Explore more

Same venueActualidades Investigativas en EducaciónSame topicEducational Technology in LearningFrench-language works237,207