論文の概要: Scaling Success: A Systematic Review of Peer Grading Strategies for Accuracy, Efficiency, and Learning in Contemporary Education
- arxiv url: http://arxiv.org/abs/2508.11677v1
- Date: Fri, 08 Aug 2025 15:22:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-24 10:27:26.503188
- Title: Scaling Success: A Systematic Review of Peer Grading Strategies for Accuracy, Efficiency, and Learning in Contemporary Education
- Title（参考訳）: スケーリング成功:現代教育における正確性、効率、学習のためのピアグレーディング戦略の体系的レビュー
- Authors: Uchswas Paul, Ananya Mantravadi, Jash Shah, Shail Shah, Sri Vaishnavi Mylavarapu, M Parvez Rashid, Edward Gehringer,
- Abstract要約: 本稿では、40年以上にわたるピアグレーディングに関する122のピアレビュー研究を体系的にレビューする。
本稿では,評価アプローチとレビュアー重み付け戦略という2つの重要な側面に沿って,ピアグレーディングシステムを編成する包括的分類法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Peer grading has emerged as a scalable solution for assessment in large and online classrooms, offering both logistical efficiency and pedagogical value. However, designing effective peer-grading systems remains challenging due to persistent concerns around accuracy, fairness, reliability, and student engagement. This paper presents a systematic review of 122 peer-reviewed studies on peer grading spanning over four decades. Drawing from this literature, we propose a comprehensive taxonomy that organizes peer grading systems along two key dimensions: (1) evaluation approaches and (2) reviewer weighting strategies. We analyze how different design choices impact grading accuracy, fairness, student workload, and learning outcomes. Our findings highlight the strengths and limitations of each method. Notably, we found that formative feedback -- often regarded as the most valuable aspect of peer assessment -- is seldom incorporated as a quality-based weighting factor in summative grade synthesis techniques. Furthermore, no single reviewer weighting strategy proves universally optimal; each has its trade-offs. Hybrid strategies that combine multiple techniques could show the greatest promise. Our taxonomy offers a practical framework for educators and researchers aiming to design peer grading systems that are accurate, equitable, and pedagogically meaningful.
- Abstract（参考訳）: ピアグレーディングは、大規模およびオンライン教室で評価のためのスケーラブルなソリューションとして現れ、論理的効率と教育的価値の両方を提供する。
しかし、正確性、公正性、信頼性、学生のエンゲージメントに関する懸念から、効果的なピアグレーディングシステムを設計することは依然として困難である。
本稿では,40年以上にわたるピア・グラデーションに関する122のピア・レビュー研究を体系的にレビューする。
本論文から,(1)評価アプローチと(2)レビュアー重み付け戦略の2つの重要な側面に沿って,ピアグレーディングシステムを整理する包括的分類法を提案する。
設計選択の違いが、評価精度、公正性、学生の作業負荷、学習結果にどのように影響するかを分析する。
本研究は,各手法の強度と限界を明らかにするものである。
特に, 階層的フィードバックは, しばしばピアアセスメントの最も価値ある側面と見なされるが, 要約的グレード合成技術において, 品質に基づく重み付け因子としてはほとんど取り入れられていない。
さらに、単一のレビュアー重み付け戦略が普遍的に最適であることを示すものはなく、それぞれがトレードオフを持っている。
複数のテクニックを組み合わせるハイブリッド戦略は、最大限の可能性を秘めている。
我々の分類学は、正確で公平で教育的に意味のあるピアグレーディングシステムを設計することを目的とした、教育者や研究者のための実践的な枠組みを提供する。
関連論文リスト
- Optimizing Peer Grading: A Systematic Literature Review of Reviewer Assignment Strategies and Quantity of Reviewers [0.0]
本稿では, 査定の精度, 公平性, 教育的価値にどのような影響を与えるかを検討する。
我々は,ランダムな代入,能力に基づく代入,ソーシャル・ネットワークに基づく代入,入札という4つの一般的なレビュアー・アサインメント戦略を特定した。
レビューカウントでは、投稿ごとに3つのレビューを割り当てることが最も一般的なプラクティスとして現れます。
論文 参考訳（メタデータ） (2025-08-08T15:28:39Z) - A Benchmark for Fairness-Aware Graph Learning [58.515305543487386]
本稿では,10の代表的な公正性を考慮したグラフ学習手法に関する広範なベンチマークを示す。
我々の詳細な分析は、既存の手法の強みと限界に関する重要な洞察を明らかにしている。
論文 参考訳（メタデータ） (2024-07-16T18:43:43Z) - A Hierarchy-based Analysis Approach for Blended Learning: A Case Study
with Chinese Students [12.533646830917213]
本稿では,混合学習評価のための階層型評価手法を提案する。
その結果、混合学習評価において、認知的エンゲージメントと感情的エンゲージメントがより重要であることが示された。
論文 参考訳（メタデータ） (2023-09-19T00:09:00Z) - Better Understanding Differences in Attribution Methods via Systematic Evaluations [57.35035463793008]
モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。
本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。
これらの評価手法を用いて、広範囲のモデルにおいて広く用いられている属性手法の長所と短所について検討する。
論文 参考訳（メタデータ） (2023-03-21T14:24:58Z) - Weighted Ensemble Self-Supervised Learning [67.24482854208783]
組み立ては、モデルパフォーマンスを高めるための強力なテクニックであることが証明されている。
我々は,データ依存型重み付きクロスエントロピー損失を許容するフレームワークを開発した。
提案手法は、ImageNet-1K上での複数の評価指標において、両者に優れる。
論文 参考訳（メタデータ） (2022-11-18T02:00:17Z) - Towards Better Understanding Attribution Methods [77.1487219861185]
モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。
本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。
また,いくつかの属性法の性能を著しく向上する処理後平滑化ステップを提案する。
論文 参考訳（メタデータ） (2022-05-20T20:50:17Z) - Improving Peer Assessment with Graph Convolutional Networks [2.105564340986074]
ピアアセスメントは専門家による評価ほど正確ではないかもしれない。
まず,様々なピアアセスメント設定を表現可能なマルチリレーショナル重み付きネットワークとして,ピアアセスメントをモデル化する。
本稿では,評価パターンとユーザ動作を学習し,専門家の評価をより正確に予測するグラフ畳み込みネットワークを提案する。
論文 参考訳（メタデータ） (2021-11-04T03:43:09Z) - Dual Policy Distillation [58.43610940026261]
教員政策を学生政策に転換する政策蒸留は、深層強化学習の課題において大きな成功を収めた。
本研究では,2人の学習者が同じ環境下で活動し,環境の異なる視点を探索する,学生学生による二重政策蒸留(DPD)を導入する。
この二重学習フレームワークを開発する上で重要な課題は、同時代の学習に基づく強化学習アルゴリズムにおいて、ピア学習者から有益な知識を特定することである。
論文 参考訳（メタデータ） (2020-06-07T06:49:47Z) - Computing With Words for Student Strategy Evaluation in an Examination [11.468266186093828]
本稿では,学生戦略評価のための新しいPer Cベースのアプローチについて報告する。
試験で採用した戦略を総合的に評価するための数値スコアを生成する。
また,本システムから,学生の戦略を記述した言語的評価も得られる。
論文 参考訳（メタデータ） (2020-05-02T15:57:54Z) - Improving Scholarly Knowledge Representation: Evaluating BERT-based
Models for Scientific Relation Classification [5.8962650619804755]
領域固有の事前学習コーパスは,Bertに基づく分類モデルにより,科学的関係のタイプを特定することができることを示す。
1回に1つの関係を予測する戦略は高い分類精度を達成するが、後者の戦略は、大小のアノテーションでコーパス内でより一貫した性能を示す。
論文 参考訳（メタデータ） (2020-04-13T18:46:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。