SlideShare a Scribd company logo
1 of 17
Βαθμολόγηση εργασιών με
crowdsourcing
Παναγιώτης Αρβανιτάκης
ΠΛΗΣ Διπλωματική Εργασία
Επιβλέπων: Αλέξανδρος Χατζηγεωργίου
Μέλος ΕΚ: Συρμακέσης Σπυρίδων
Αντικείμενο εργασίας
 Δημιουργία διαδικτυακής πλατφόρμας για:
 Ανάρτηση εργασιών από διδάσκοντες
 Υποβολή απαντήσεων από μαθητές
 Διαχείριση του crowdsourcing.
 Ανάθεση εργασιών
 Συλλογή - επεξεργασία αποτελεσμάτων
 Πρόταση αξιόπιστης βαθμολογίας
 Αξιολόγηση βαθμολογητών
28/1/2017 Π. Αρβανιτάκης 2
Προηγούμενες προσπάθειες
ΑΥΤΟΜΑΤΗ ΒΑΘΜΟΛΟΓΗΣΗ
1960 έως
σήμερα
Εργασίες
πληροφορικής-
μαθηματικών
Αντικειμενικού τύπου ή
ελέγχου αποτελέσματος.
28/1/2017 Π. Αρβανιτάκης 3
ΜΗ ΑΥΤΟΜΑΤΗ ΒΑΘΜΟΛΟΓΗΣΗ
Συμμετοχή
ανθρώπινου
παράγοντα
Βαθμολόγηση και
από ομότιμους
Εφαρμογή σε εργασίες
πληροφορικής
Βασικές αδυναμίες αυτών
28/1/2017 Π. Αρβανιτάκης 4
ΜΗ ΑΥΤΟΜΑΤΗ ΒΑΘΜΟΛΟΓΗΣΗ
επίδραση
ανθρώπινου
παράγοντα
(προκατάληψη)
εμπειρία
βαθμολογητών
ύπαρξη
απαραίτητου
αριθμού
αξιολογητών
όχι άμεσο
αποτέλεσμα
ΑΥΤΟΜΑΤΗ ΒΑΘΜΟΛΟΓΗΣΗ
περιορισμένη
εφαρμογή
1. προγραμματιστικές
ασκήσεις
2. αντικειμενικού
τύπου ασκήσεις
έλεγχος
αποτελέσματος
και όχι συνολικής
ποιότητας
εργασίας
έλλειψη
ανατροφοδότησης
γνώσης
μη εφαρμογή σε
θεωρητικές
επιστήμες
Μεθοδολογία (γενικά)
 Επισκόπηση συστημάτων αυτοματοποιημένης
αξιολόγησης προγραμμάτων - συστημάτων με
εφαρμογή του crowdsourcing
 Επιλογή του moodle ως βάση της εφαρμογής μας,
επεξεργασία – τροποποίησή του.
 Μελέτη στατιστικών μεθόδων για την αξιόπιστη
εξαγωγή προτεινόμενου βαθμού και αξιολόγηση
βαθμολογητών
28/1/2017 Π. Αρβανιτάκης 5
Προβλήματα, αντιμετώπιση
ΒΑΣΙΚΑ ΠΡΟΒΛΗΜΑΤΑ ΑΝΤΙΜΕΤΩΠΙΣΗ
moodle: Μόνο ένας βαθμός ανά
εργασία
Δυνατότητα ύπαρξης πολλαπλών
βαθμολογητών
Έλεγχος αξιοπιστίας βαθμολόγησης
1. Στατιστική επεξεργασία
προτεινόμενων βαθμών
2. Προτεινόμενος βαθμός
εργασίας
1. Έλεγχος για ακραίους βαθμούς
(outliers)
2. Επεξεργασία αυτών
 Εξαίρεση ακραίων (outliers)
 Εξαγωγή προτεινόμενου
βαθμού
Χειρισμός βαθμολογητών που
αποκλίνουν
1. Αποστολή μηνύματος ή
2. Διαγραφή τους από το μάθημα –
μη υπολογισμός των βαθμών τους
28/1/2017 Π. Αρβανιτάκης 6
Διάγραμμα δραστηριοτήτων
28/1/2017 Π. Αρβανιτάκης 7
Υλοποίηση: Ύπαρξη πολλαπλών
βαθμολογητών
 Δημιουργία νέας βάσης στο moodle με
δύο νέους πίνακες
 mdl_subgrades: Εκεί αποθηκεύονται οι βαθμοί κάθε
καθηγητή για κάθε μάθημα και
μαθητή.
 sub_errors: Εκεί αποθηκεύονται οι καθηγητές
που έδωσαν λάθος βαθμό και το
σύστημα τους θεώρησε outliers.
28/1/2017 Π. Αρβανιτάκης 8
Υλοποίηση: Στατιστική
επεξεργασία των βαθμών
 Έλεγχος για ακραίους βαθμούς (outliers)
 Χρήση των ορίων Tukey (διάστημα [Q1  1,5·Q, Q3  1,5·Q])
Q1=74 δ Q3=84
Παράδειγμα 1: Βαθμοί: 70, 70, 74, 74, 80, 82, 82, 83, 84, 85, 100
Δεκτοί στο διάστημα [59 , 99]
Μέσος όρος δεκτών τιμών: 784/10= 78,4
Μέσος όρος όλων των τιμών: 884/11= 80,4
28/1/2017 Π. Αρβανιτάκης 9
0
1
2
3
59 70 74 80 82 83 84 85 99 100
Βαθμοί - όρια Tukey
Υλοποίηση: Επεξεργασία των
βαθμών
Εφόσον έχουμε τουλάχιστον 3 βαθμούς:
 Εξαίρεση των ακραίων βαθμών (outliers)
 Υπολογισμός της μέσης τιμής των υπολοίπων βαθμών
 Προτεινόμενος βαθμός το προηγούμενο αποτέλεσμα
Αν έχουμε 2 βαθμούς:
 Καμία ιδιαίτερη επεξεργασία
 Προτεινόμενος βαθμός η μέση τιμή των δύο
Αν έχουμε 1 βαθμό ισχύει ο βαθμός αυτός.
28/1/2017 Π. Αρβανιτάκης 10
Υλοποίηση: Τρόπος χειρισμού
καθηγητών outliers
 Το σύστημα υπολογίζει κάθε βαθμό που
χαρακτηρίζεται outlier και μετρά πόσες
φορές έχει γίνει αυτό από τον κάθε
βαθμολογητή.
 Όταν ο αριθμός αυτός ξεπεράσει ένα
όριο (στην εφαρμογή μας 2 φορές)
ενημερώνεται ο διαχειριστής σχετικά.
28/1/2017 Π. Αρβανιτάκης 11
Υλοποίηση: Τρόπος χειρισμού
καθηγητών outliers
 Eπιλογές διαχειριστή (admin):
 Αποστολή μηνύματος – επισήμανσης σφάλματος
στον βαθμολογητή.
 Εξαίρεση του βαθμολογητή από επόμενη
βαθμολόγηση με αφαίρεση των βαθμών που είχε
ως τότε καταθέσει σε κάθε μάθημα. Οι βαθμοί
που έχουν ήδη οριστικοποιηθεί δεν αλλάζουν.
Δυνατότητα επαναφοράς του βαθμολογητή από
τον admin όποτε κρίνει εκείνος.
28/1/2017 Π. Αρβανιτάκης 12
Αποτελέσματα πειραματικής
αξιολόγησης
 Υπήρξαν 10 απαντήσεις εργασιών
 10 βαθμολογητές τις αξιολόγησαν
 Εξαιρέθηκαν οι outliers
 Προέκυψαν αξιόπιστες προτάσεις βαθμών
 Η πλατφόρμα λειτούργησε χωρίς προβλήματα
28/1/2017 Π. Αρβανιτάκης 13
Αποτελέσματα
ερωτηματολογίου αξιολόγησης
 Ερωτηματολόγιο 10 ερωτήσεων
 Μικρή δυσκολία προσαρμογής στο σύστημα
 Συμφωνία για τη χρήση crowdsourcing
 Εμπιστοσύνη στα αποτελέσματά του
 Αποδοχή εξαίρεσης outliers
 Συμφωνία για χρησιμότητα πλατφόρμας
28/1/2017 Π. Αρβανιτάκης 14
Συμπεράσματα
28/1/2017 Π. Αρβανιτάκης 15
1. Θετική αξιολόγηση της πλατφόρμας
2. Αποδοχή χρήσης crowdsourcing από τους
εκπαιδευτικούς
3. Εμπιστοσύνη στα εξαγόμενα αποτελέσματα
4. Σχετική ομοφωνία για εξαίρεση αποκλινόντων
(outliers)
5. Απαραίτητη η σχετική εξοικείωση με το σύστημα –
μικρός προβληματισμός εκπαιδευτικών χωρίς
προηγούμενη εμπειρία
6. Μείωση όγκου δουλειάς (βαθμολόγησης)
Προτάσεις
 Παρουσίαση στοιχείων βαθμολόγησης στον
admin με γραφικά στοιχεία.
 Αναβάθμιση αισθητικής
 Ανάπτυξη αλγορίθμου για αυτόματη
διαγραφή outliers βαθμολογητών
 Μετατροπή του κώδικα σε plugin του
moodle
 Παροχή αμοιβής στους βαθμολογητές
 Χρήση για βαθμολόγηση από ομότιμους
28/1/2017 Π. Αρβανιτάκης 16
Τέλος παρουσίασης…
.
28/1/2017 Π. Αρβανιτάκης 17

More Related Content

Featured

How Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental HealthHow Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental Health
ThinkNow
 
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsSocial Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie Insights
Kurio // The Social Media Age(ncy)
 

Featured (20)

2024 State of Marketing Report – by Hubspot
2024 State of Marketing Report – by Hubspot2024 State of Marketing Report – by Hubspot
2024 State of Marketing Report – by Hubspot
 
Everything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPTEverything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPT
 
Product Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage EngineeringsProduct Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage Engineerings
 
How Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental HealthHow Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental Health
 
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdfAI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
 
Skeleton Culture Code
Skeleton Culture CodeSkeleton Culture Code
Skeleton Culture Code
 
PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024
 
Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)
 
How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024
 
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsSocial Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie Insights
 
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024
 
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary
 
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd
 
Getting into the tech field. what next
Getting into the tech field. what next Getting into the tech field. what next
Getting into the tech field. what next
 
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentGoogle's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search Intent
 
How to have difficult conversations
How to have difficult conversations How to have difficult conversations
How to have difficult conversations
 
Introduction to Data Science
Introduction to Data ScienceIntroduction to Data Science
Introduction to Data Science
 
Time Management & Productivity - Best Practices
Time Management & Productivity -  Best PracticesTime Management & Productivity -  Best Practices
Time Management & Productivity - Best Practices
 
The six step guide to practical project management
The six step guide to practical project managementThe six step guide to practical project management
The six step guide to practical project management
 
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
 

Βαθμολόγηση εργασιών με crowdsourcing

  • 1. Βαθμολόγηση εργασιών με crowdsourcing Παναγιώτης Αρβανιτάκης ΠΛΗΣ Διπλωματική Εργασία Επιβλέπων: Αλέξανδρος Χατζηγεωργίου Μέλος ΕΚ: Συρμακέσης Σπυρίδων
  • 2. Αντικείμενο εργασίας  Δημιουργία διαδικτυακής πλατφόρμας για:  Ανάρτηση εργασιών από διδάσκοντες  Υποβολή απαντήσεων από μαθητές  Διαχείριση του crowdsourcing.  Ανάθεση εργασιών  Συλλογή - επεξεργασία αποτελεσμάτων  Πρόταση αξιόπιστης βαθμολογίας  Αξιολόγηση βαθμολογητών 28/1/2017 Π. Αρβανιτάκης 2
  • 3. Προηγούμενες προσπάθειες ΑΥΤΟΜΑΤΗ ΒΑΘΜΟΛΟΓΗΣΗ 1960 έως σήμερα Εργασίες πληροφορικής- μαθηματικών Αντικειμενικού τύπου ή ελέγχου αποτελέσματος. 28/1/2017 Π. Αρβανιτάκης 3 ΜΗ ΑΥΤΟΜΑΤΗ ΒΑΘΜΟΛΟΓΗΣΗ Συμμετοχή ανθρώπινου παράγοντα Βαθμολόγηση και από ομότιμους Εφαρμογή σε εργασίες πληροφορικής
  • 4. Βασικές αδυναμίες αυτών 28/1/2017 Π. Αρβανιτάκης 4 ΜΗ ΑΥΤΟΜΑΤΗ ΒΑΘΜΟΛΟΓΗΣΗ επίδραση ανθρώπινου παράγοντα (προκατάληψη) εμπειρία βαθμολογητών ύπαρξη απαραίτητου αριθμού αξιολογητών όχι άμεσο αποτέλεσμα ΑΥΤΟΜΑΤΗ ΒΑΘΜΟΛΟΓΗΣΗ περιορισμένη εφαρμογή 1. προγραμματιστικές ασκήσεις 2. αντικειμενικού τύπου ασκήσεις έλεγχος αποτελέσματος και όχι συνολικής ποιότητας εργασίας έλλειψη ανατροφοδότησης γνώσης μη εφαρμογή σε θεωρητικές επιστήμες
  • 5. Μεθοδολογία (γενικά)  Επισκόπηση συστημάτων αυτοματοποιημένης αξιολόγησης προγραμμάτων - συστημάτων με εφαρμογή του crowdsourcing  Επιλογή του moodle ως βάση της εφαρμογής μας, επεξεργασία – τροποποίησή του.  Μελέτη στατιστικών μεθόδων για την αξιόπιστη εξαγωγή προτεινόμενου βαθμού και αξιολόγηση βαθμολογητών 28/1/2017 Π. Αρβανιτάκης 5
  • 6. Προβλήματα, αντιμετώπιση ΒΑΣΙΚΑ ΠΡΟΒΛΗΜΑΤΑ ΑΝΤΙΜΕΤΩΠΙΣΗ moodle: Μόνο ένας βαθμός ανά εργασία Δυνατότητα ύπαρξης πολλαπλών βαθμολογητών Έλεγχος αξιοπιστίας βαθμολόγησης 1. Στατιστική επεξεργασία προτεινόμενων βαθμών 2. Προτεινόμενος βαθμός εργασίας 1. Έλεγχος για ακραίους βαθμούς (outliers) 2. Επεξεργασία αυτών  Εξαίρεση ακραίων (outliers)  Εξαγωγή προτεινόμενου βαθμού Χειρισμός βαθμολογητών που αποκλίνουν 1. Αποστολή μηνύματος ή 2. Διαγραφή τους από το μάθημα – μη υπολογισμός των βαθμών τους 28/1/2017 Π. Αρβανιτάκης 6
  • 8. Υλοποίηση: Ύπαρξη πολλαπλών βαθμολογητών  Δημιουργία νέας βάσης στο moodle με δύο νέους πίνακες  mdl_subgrades: Εκεί αποθηκεύονται οι βαθμοί κάθε καθηγητή για κάθε μάθημα και μαθητή.  sub_errors: Εκεί αποθηκεύονται οι καθηγητές που έδωσαν λάθος βαθμό και το σύστημα τους θεώρησε outliers. 28/1/2017 Π. Αρβανιτάκης 8
  • 9. Υλοποίηση: Στατιστική επεξεργασία των βαθμών  Έλεγχος για ακραίους βαθμούς (outliers)  Χρήση των ορίων Tukey (διάστημα [Q1  1,5·Q, Q3  1,5·Q]) Q1=74 δ Q3=84 Παράδειγμα 1: Βαθμοί: 70, 70, 74, 74, 80, 82, 82, 83, 84, 85, 100 Δεκτοί στο διάστημα [59 , 99] Μέσος όρος δεκτών τιμών: 784/10= 78,4 Μέσος όρος όλων των τιμών: 884/11= 80,4 28/1/2017 Π. Αρβανιτάκης 9 0 1 2 3 59 70 74 80 82 83 84 85 99 100 Βαθμοί - όρια Tukey
  • 10. Υλοποίηση: Επεξεργασία των βαθμών Εφόσον έχουμε τουλάχιστον 3 βαθμούς:  Εξαίρεση των ακραίων βαθμών (outliers)  Υπολογισμός της μέσης τιμής των υπολοίπων βαθμών  Προτεινόμενος βαθμός το προηγούμενο αποτέλεσμα Αν έχουμε 2 βαθμούς:  Καμία ιδιαίτερη επεξεργασία  Προτεινόμενος βαθμός η μέση τιμή των δύο Αν έχουμε 1 βαθμό ισχύει ο βαθμός αυτός. 28/1/2017 Π. Αρβανιτάκης 10
  • 11. Υλοποίηση: Τρόπος χειρισμού καθηγητών outliers  Το σύστημα υπολογίζει κάθε βαθμό που χαρακτηρίζεται outlier και μετρά πόσες φορές έχει γίνει αυτό από τον κάθε βαθμολογητή.  Όταν ο αριθμός αυτός ξεπεράσει ένα όριο (στην εφαρμογή μας 2 φορές) ενημερώνεται ο διαχειριστής σχετικά. 28/1/2017 Π. Αρβανιτάκης 11
  • 12. Υλοποίηση: Τρόπος χειρισμού καθηγητών outliers  Eπιλογές διαχειριστή (admin):  Αποστολή μηνύματος – επισήμανσης σφάλματος στον βαθμολογητή.  Εξαίρεση του βαθμολογητή από επόμενη βαθμολόγηση με αφαίρεση των βαθμών που είχε ως τότε καταθέσει σε κάθε μάθημα. Οι βαθμοί που έχουν ήδη οριστικοποιηθεί δεν αλλάζουν. Δυνατότητα επαναφοράς του βαθμολογητή από τον admin όποτε κρίνει εκείνος. 28/1/2017 Π. Αρβανιτάκης 12
  • 13. Αποτελέσματα πειραματικής αξιολόγησης  Υπήρξαν 10 απαντήσεις εργασιών  10 βαθμολογητές τις αξιολόγησαν  Εξαιρέθηκαν οι outliers  Προέκυψαν αξιόπιστες προτάσεις βαθμών  Η πλατφόρμα λειτούργησε χωρίς προβλήματα 28/1/2017 Π. Αρβανιτάκης 13
  • 14. Αποτελέσματα ερωτηματολογίου αξιολόγησης  Ερωτηματολόγιο 10 ερωτήσεων  Μικρή δυσκολία προσαρμογής στο σύστημα  Συμφωνία για τη χρήση crowdsourcing  Εμπιστοσύνη στα αποτελέσματά του  Αποδοχή εξαίρεσης outliers  Συμφωνία για χρησιμότητα πλατφόρμας 28/1/2017 Π. Αρβανιτάκης 14
  • 15. Συμπεράσματα 28/1/2017 Π. Αρβανιτάκης 15 1. Θετική αξιολόγηση της πλατφόρμας 2. Αποδοχή χρήσης crowdsourcing από τους εκπαιδευτικούς 3. Εμπιστοσύνη στα εξαγόμενα αποτελέσματα 4. Σχετική ομοφωνία για εξαίρεση αποκλινόντων (outliers) 5. Απαραίτητη η σχετική εξοικείωση με το σύστημα – μικρός προβληματισμός εκπαιδευτικών χωρίς προηγούμενη εμπειρία 6. Μείωση όγκου δουλειάς (βαθμολόγησης)
  • 16. Προτάσεις  Παρουσίαση στοιχείων βαθμολόγησης στον admin με γραφικά στοιχεία.  Αναβάθμιση αισθητικής  Ανάπτυξη αλγορίθμου για αυτόματη διαγραφή outliers βαθμολογητών  Μετατροπή του κώδικα σε plugin του moodle  Παροχή αμοιβής στους βαθμολογητές  Χρήση για βαθμολόγηση από ομότιμους 28/1/2017 Π. Αρβανιτάκης 16