Évaluation 'two-lane' de l'Université de Sydney pour l'ère de l'IA
Australie
Au lieu d'une course aux armements IA-détection qu'on ne peut pas gagner, Sydney a restructuré l'évaluation en deux voies — …
Canada · Waterloo · Voir le profil de Canada · Voir le profil de Waterloo
Preuves: Descriptif / auto-déclaré Top 59% 47/100 · Demandez à Evidence Copilot à propos de cette pratique
Crowdmark, plateforme de correction fondée à Toronto, numérise la correction d'examens avec des outils de commentaires groupés et des analyses. Après un pilote d'un an, l'Université de Waterloo l'a adoptée dans tout le campus via un appel d'offres public ; les études de cas du fournisseur rapportent une correction plus rapide, mais les chiffres les plus marquants sont auto-publiés, sans audit indépendant.
Crowdmark est une plateforme en ligne d'évaluation et de notation fondée en 2012 à Toronto par James Colliander, professeur de mathématiques à l'Université de Toronto, et Martin Muñoz. Elle permet aux enseignants de numériser ou de recueillir les travaux numériques des étudiants, puis de noter question par question l'ensemble d'une classe en une seule fois, de réutiliser des commentaires issus d'une bibliothèque partagée, et d'exporter des analyses sur la performance par item.
Accélérer et uniformiser la notation des examens dans les grandes classes, en offrant aux étudiants un retour plus rapide et plus cohérent tout en réduisant la charge de travail des équipes de correction.
L'Université de Waterloo a testé Crowdmark pendant environ 12 mois avant de lancer un appel d'offres public ; elle a retenu Crowdmark en juillet 2015 et l'offre désormais gratuitement aux enseignants sur l'ensemble du campus, intégré au système de gestion de l'apprentissage de l'université et au logiciel de logistique d'examens Odyssey. Par ailleurs, Crowdmark a déployé la plateforme au sein des équipes de correction de l'Université Northwestern (21 000 étudiants, dans des départements tels qu'Économie, Mathématiques, Physique, Chimie et Psychologie).
Le Centre for Teaching Excellence de Waterloo publie sa propre page de recommandations, faisant état d'une réduction d'environ 50 % du temps de correction, ainsi que d'un retour plus rapide et d'une notation plus cohérente entre les équipes comportant plusieurs assistants d'enseignement. L'étude de cas publiée par Crowdmark elle-même indique que les équipes de correction de Northwestern ont économisé environ 16 660 heures de correction, soit une réduction d'environ 40 %, ainsi qu'une baisse des demandes de renotation attribuée à un retour plus riche et plus rapide.
Ces chiffres phares proviennent d'études de cas publiées par le fournisseur et de témoignages nominatifs d'enseignants, et non d'un essai audité de manière indépendante ou évalué par les pairs ; ils doivent donc être considérés comme illustratifs plutôt que comme une preuve de causalité. Les recommandations de Waterloo reconnaissent elles-mêmes franchement que l'adoption a un coût réel : les examens papier nécessitent toujours une numérisation, les assistants d'enseignement doivent être formés pour noter de manière cohérente, et la soumission numérique tend à accroître les attentes des étudiants quant au niveau de détail du retour reçu.
Own resources / municipal budget
Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.
Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.
D'où proviennent les informations de cette pratique, et quand.
Australie
Au lieu d'une course aux armements IA-détection qu'on ne peut pas gagner, Sydney a restructuré l'évaluation en deux voies — …
Hong Kong
En juin 2023, le Sénat de HKU a désigné l'IA générative « cinquième littératie » et offert à tous un …
Royaume-Uni
L'Université de Bedfordshire a mené une évaluation publiée comparant son service d'écriture Studiosity, avec tuteurs humains, à une nouvelle version …
États-Unis d'Amérique
Plateforme d'IA regroupant les réponses similaires pour correction en lot ; 3,2 M d'étudiants dans 2 600+ universités. Étude ACM …
Ouvrir le copilote complet Fondé sur des pratiques citées — vérifiez toujours les sources.