À l’ère de l’apprentissage en Ligne, une Nouvelle approche de Dépistage vise à Minimiser la Tricherie
La période de connaissance à distance généralisée causée par la pandémie de COVID-19 a besoin de méthodes de filtrage sur Internet qui arrêtent efficacement la tricherie, notamment sous la forme de coopération entre les élèves. Avec l’infidélité croissante à travers le pays, une solution qui préserve la vie privée des stagiaires est particulièrement bénéfique.
Dans une recherche publiée aujourd’hui dans npj Science of Discovering, les ingénieurs du Rensselaer Polytechnic Institute démontrent comment une stratégie de dépistage qu’ils appellent « tests en ligne à distance » peut réduire avec succès la capacité des stagiaires à s’entraider pour obtenir plus d’informations sur un test passé à des résidences tout au long de la distanciation sociale.
« Fréquemment, lors d’examens en ligne à distance, les étudiants peuvent parler par téléphone ou sur Internet pour discuter des réponses », a déclaré Ge Wang, professeur doué de chaire de génie biomédical à Rensselaer ainsi que l’auteur correspondant de cet article. « L’idée cruciale de notre méthode est de réduire cette possibilité grâce à une optimisation discrète aidée par la connaissance de l’expertise d’un stagiaire.
Lorsqu’un examen en ligne à distance est effectué, les élèves obtiennent les mêmes demandes de renseignements, mais à des moments différents en fonction de leur degré d’aptitude. Par exemple, les étudiants ayant les diplômes de maîtrise les plus élevés possibles reçoivent chaque question après que les autres stagiaires aient répondu à ces préoccupations. Cette méthode, a affirmé Wang, réduit la motivation des stagiaires à obtenir de l’aide de ceux qui maîtrisent beaucoup mieux le produit. Afin de déterminer l’ordre des préoccupations de chaque étudiant, leurs niveaux de compétences sont approximés en utilisant leurs moyennes pondérées, leurs scores SAT ou leurs notes à mi-parcours, en se fondant sur ce qui est facilement disponible à un moment particulier du semestre.
Selon des tests analytiques et des enquêtes post-examen, cette méthode a réduit les facteurs obtenus par collusion par des ordres de grandeur par rapport aux méthodes de test standard. Comme avantage inclus, a déclaré Wang, lorsque les étudiants savaient que la collusion ne serait pas possible, ils étaient plus inspirés pour étudier le matériel de classe. Wang et aussi ses collaborateurs espèrent partager cette avancée pédagogique au-delà de l’université Rensselaer.
“Nous prévoyons de créer un bon système afin que d’autres puissent facilement utiliser cette méthode”, a déclaré Wang, participant à la Facilité pour la biotechnologie et les études interdisciplinaires de Rensselaer.
Référence: Mengzhou Li, Lei Luo, Sujoy Sikdar, Navid Ibtehaj Nizam, Shan Gao, Hongming Shan, Melanie Kruger, Uwe Kruger, Hisham Mohamed, Lirong Xia, Ge Wang. Optimized collusion prevention for online exams during social distancing. npj Science of Learning, 2021; 6 (1) DOI: 10.1038/s41539-020-00083-3
