Los exámenes no supervisados en línea proporcionan evaluaciones válidas
Exámenes en línea sin supervisión son válidos
![A través de diferentes disciplinas académicas, tamaños de clase, niveles de curso y estilos de examen, los investigadores encontraron que los exámenes en línea y no supervisados produjeron puntuaciones muy similares a los exámenes presenciales y supervisados. ¶ Crédito: Christopher Gannon, Universidad Estatal de Iowa](https://cacm.acm.org/system/assets/0004/6097/080823_Christopher_Gannon-Iowa_State_University_Gene_Pool..large.jpg?1691514068&1691514068)
Jason Chan y Dahwi Ahn de la Universidad Estatal de Iowa encontraron que las puntuaciones de los exámenes en línea y no supervisados de los estudiantes se correspondían en gran medida con las de los exámenes presenciales y supervisados.
Los investigadores revisaron los datos de puntuaciones de exámenes de casi 2,000 estudiantes en 18 clases durante el semestre de primavera de 2020, incluyendo cursos de estilo conferencia y cursos avanzados.
Chan dijo: “El hecho de que las clasificaciones de los estudiantes se mantuvieran en su mayoría iguales, sin importar si estaban realizando exámenes presenciales o en línea, indicaba que el fraude no era frecuente o que no tenía un impacto significativo en las puntuaciones”.
En el momento de la recolección de datos para el estudio, ChatGPT no estaba disponible para los estudiantes. Los investigadores reconocieron que este tipo de herramientas podrían dificultar mucho la evaluación de los estudiantes por parte de los profesores. Desde Iowa State University News Service Ver artículo completo
- Superconductor LK-99 Tal vez un avance, tal vez solo una nueva esperanza
- Crea un avatar de IA gratuito usando Canva
- Cómo hacer Deepfakes de IA (para principiantes)
Derechos de autor de los resúmenes © 2023 SmithBucklin, Washington, D.C., EE. UU.
We will continue to update Zepes; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
- Hacia una AI Verde Cómo hacer que los modelos de Aprendizaje Profundo sean más eficientes en producción
- Masterizando las pruebas A/B para las entrevistas de Ciencia de Datos Introducción a las pruebas A/B
- Descodificación de Auto-GPT
- Reorganización de las conferencias de fútbol universitario – node2vec
- Observabilidad de Datos Pionera Datos, Código, Infraestructura y IA
- Esta investigación de IA presenta un modelo de aprendizaje profundo que puede robar datos escuchando las pulsaciones de teclas grabadas por un teléfono cercano con un 95% de precisión.
- Phil the Gaps Desentrañando los hilos ocultos de la red de comercio de Filipinas en 2022