高等教育中成绩的一致性与可复现性：以深度学习课程为例
应用统计
2023-07-24 v3
摘要
评估高等教育中学生的表现，对于衡量教学方法的有效性以及实现人人机会更加平等至关重要。在本研究中，我们调查了 CentraleSupélec 开设的硕士级别深度学习课程中两位教师评分实践之间的相关性。这两位教师教学风格迥异，负责为期末项目口头汇报打分。我们的结果表明，两位教师评分实践之间存在显著的正相关（0.76），说明他们对学生表现的评估是一致的。尽管彼此一致，成绩似乎并不能在 examiner 之间完全复现，这提示仅由一位 examiner 对口头项目评分存在严重缺陷。此外，我们观察到两位评分者所给成绩的最大差异为 12.5%，平均差异为 6.3%（中位数为 5.0%），凸显了评分者间变异对学生最终成绩的潜在影响。
引用
@article{arxiv.2305.07492,
title = {Consistency and Reproducibility of Grades in Higher Education: A Case Study in Deep Learning},
author = {Paul Dubois and Romain Lhotte},
journal= {arXiv preprint arXiv:2305.07492},
year = {2023}
}
备注
5 pages, 1 figure (2 images), 1 table