Matriser kan vara ett användbart verktyg för att hjälpa elever och lärare att arbeta mot ett gemensamt mål, underlätta konstruktiv feedback och bedöma elevers lärande på flera delar av ett projekt.
Matriserna för datavetenskapens grunder utformades för att användas i kursens sammanhang och är kopplade till innehållet och aktiviteterna som presenteras i kursen.
Använda en matris för formativ bedömning
Studenter kan skicka in sina projekt för lärar- och kamratgranskning och feedback. Ett sätt att underlätta konstruktiv, riktad feedback är att använda en matris. Att ge eleverna en bedömningsmatris innan de börjar arbeta säkerställer att elever och lärare arbetar mot ett gemensamt mål. Matriserna som utformats för kursen i datavetenskapens grunder ger studenterna ett sätt att se de kriterier som kan utvärderas och ger ett mått för att ge feedback. Genom att använda samma bedömningskriterier för både formativa och summativa bedömningar kan eleverna få feedback som hjälper dem att förbättra sina projekt, så att deras summativa bedömning kan återspegla den ansträngningen. Vid formativ bedömning kan matriser vara en utgångspunkt för en diskussion och kan uppmana elever och lärare att tänka på olika delar av ett projekt utöver att bara veta huruvida det fungerade eller inte.
Rubrikerna växer i takt med att kursinnehållet växer, och eleverna lär sig mer komplexa kodnings- och datavetenskapliga koncept. Feedback för Enheterna 1-2 kommer att vara enklare och fokuserad på om eleverna kan slutföra uppgiften och förklara den. Precis som de inledande begreppen i dessa enheter är enklare, är även matrisen det. Rubrikerna för Enheterna 3-6 och Enheterna 7-10 bygger vidare på dessa introduktionserfarenheter genom att lägga till element som Delmålsmärkning och Tillförlitlighet, vilket kan engagera elever och lärare i mer djupgående diskussioner. Feedback kan bli mer nyanserad och belysa saker som hur eleverna bryter ner problem för att lösa dem.
Använda en bedömningsmatris för summativ bedömning
En matris kan användas för att stödja summativ bedömning. Att ge eleverna en bedömningsmatris innan de börjar med något som en enhetsutmaning gör det möjligt för dem att veta vilka kriterier deras projekt kommer att utvärderas utifrån, utöver att bara fungera eller inte fungera. Samma matris som användes för formativ bedömning, där återkoppling var målet, kan även användas för betygsättning, genom att tilldela ett betyg till varje färdighetsnivå. Att använda samma matris för både formativ och summativ bedömning gör det möjligt för eleverna att agera utifrån den feedback de fått och förbättra sina prestationer så att deras summativa bedömning återspeglar kulmen på deras ansträngningar.
Matriserna som tillhandahålls för kursen Datavetenskapens grunder är kopplade till aktiviteterna och lektionerna i enheterna i kursen. Rubriken för Enheter 1-2 är minimal och kan stödja en diskussion om de inledande begreppen. Eftersom målen med dessa första enheter mer handlar om huruvida eleverna kan slutföra uppgiften och förklara den, är matrisen avsedd att erbjuda ramar för att mäta elevers framgång. Matriserna för Enheterna 3-6 och Enheterna 7-10 bygger vidare på dessa introduktionserfarenheter och innehåller ytterligare element, som delmålsmärkning och tillförlitlighet, för att erbjuda andra mätvärden för att utvärdera projektets framgång, och förklaringar av hur dessa ser ut i sitt sammanhang. Rubrikerna växer i takt med att kursinnehållet växer, och eleverna lär sig mer komplexa kodnings- och datavetenskapliga koncept.
Länkar till matriser för grunderna i datavetenskap
Matriserna som erbjuds här är Google Dokument, så du kan göra en kopia och redigera dem för att möta din klass behov.