キッチンの食器棚を見ると、おそらくティーカップが鍋に混ざっていたり、ハーブやスパイスの選択がベーキング用品に混ざっていたりすることはないでしょう。おそらく、それぞれの棚にあるものを何に使うかによって、セクションごとに分類されていることでしょう。ケーキを焼くときに、小麦粉を探すのに時間をかけたくないでしょう。
同じことが、オンライン評価で使用する教材にも当てはまります。学校でフランス語を学ぶ生徒のためのテストを設定する必要がある場合、教育者は地理の評価のために書かれたテスト項目をふるいにかけることはしないでしょう。大規模な教育機関では、テストに使用するアイテムが何万点にもなることがあります。テストソフトウェアで使用する評価資料は、デスクトップ上のフォルダシステムと同じようにライブラリに整理することができ、これにより、評価資料にアクセスしやすくなります。たとえば、フランス語のテスト項目は別の場所に、地理のテスト項目は別の場所にというように、科目ごとにライブラリを整理することができます。
しかし、これらのライブラリは、コンテンツをある方法でしか分類することができません。例えば、科目に従ってなど、その一面だけに従って分類することができるのです。時制の使い分けが苦手な生徒のために、フランス語のテストで使う教材を探しているとしたらどうでしょう。すべてのフランス語のテストに対応した教材を探しているのであれば、探しているものを見つけるまで、すべてのフランス語のテストに対応した教材に目を通す必要はありません。キッチンの話に戻りますが、ケーキを焼く代わりにチーズソースを作るために小麦粉が必要な場合はどうなるのでしょうか。小麦粉をケーキ作りの棚に置いてしまったら、ソースに必要な材料を探すときにすぐに見つけることができません。
そこで役立つのがメタデータです。メタデータを使用することで、他のデータに関する情報を与えるデータ 他のデータに関する情報を提供するデータ- を使用して評価資料を分類することで、図書館システム内の場所に関係なく、好きなだけ多くの異なる基準に従って評価資料を説明することができます。. アセスメントでは評価では、例えば、レベル、学年、タスクタイプに関する情報を追加することができます。また、メタデータを使用して、年齢や科目の選択など、学生に関する情報を追加することもできます。このようにして、探しているものをより早く見つけることができます。メタデータを利用することでメタデータを使用すると、評価を学習基準に関連付けることができ、カリキュラムに対する学生の学習および理解度を簡単に測定することができます。
メタデータの種類
大きく分けて、テスト教材や生徒を分類するために使用できるメタデータは、主に2つのタイプがあります。
- 自由形式のメタデータ
- クローズドエンド型メタデータ
では、それぞれのタイプがどのような用途に使えるのかを見てみましょう。
自由形式のメタデータ
自由形式のメタデータを使用する場合、あなた（およびテスト開発者または学生管理者）は望むものを書くことができます。言い換えれば、情報は定義された一連の値に制限されません。このタイプのメタデータは、社内メモのような形で使用されます。たとえば、フランス語の読解テストのために新しいテスト問題を作成する人は、「次の言語部門の会議で使用するテキストを決定する」というメモを残したいと思うかもしれません。
クローズドエンド型メタデータ
これは、選択肢が限られている点でオープンエンド型メタデータと異なる。クローズドエンド型メタデータには、フラット型と階層型の2つの形態がある。 フラットなクローズドエンド型メタデータは、基本的に リストを提供するメタデータである。例えば、評価問題の難易度を分類したい場合、このタイプを使用するのが適切でしょう。リストには 難易度と呼び、難易度のレベルを次のように定義することができます。 低い, 中そして 高.
階層型クローズドエンド型メタデータ は、情報を階層的に構成する必要がある場合に使用します。多くの教育機関は、カリキュラム（および関連する試験）だけでなく、管理している学校や試験センターのデータも含めて、深く階層化された方法でデータを整理しています。この階層性をメタデータに反映させるためには、ツリーを使用する必要があります。たとえば、特定の評価セットを実行できる教育機関を階層的に定義したいとします。上記のフランス語の読解テストの開発者に、意図する対象者を指定するよう依頼することができます。すると、そのテストを使用する可能性のある教育機関を含むツリー構造が表示されます。
定義したメタデータをどう使うか？
アセスメント教材と学生の両方について、より多くの情報を入手できるようになった今、必要なテストを組み立て、適切な学生に割り当てるために利用できます。
例えば、中学2年生のフランス語の生徒を対象に、非公式の中間読解テストを作成するとします。テスト項目のライブラリには、「フランス語」のセクションがあります。そのセクションは、タスクのタイプに従って構成されており、リーディング、ライティング、スピーキング、リスニングのフォルダがあります。コンテンツ開発者に、作成したアイテムの難易度を示す情報をメタデータで入力するよう依頼している場合、この情報を使用して、テストに適したレベルのアイテムにアクセスすることができます。このようにフィルタリングされた項目一覧から、評価に必要な項目をより迅速に選択することができます。同様に、テストを割り当てる生徒を選択する際、メタデータで指定した生徒の科目選択にアクセスすることで、テスト受験者ライブラリのすべての中学2年生から適切な生徒を見つけることができ、適切な生徒にテストを割り当てることがより容易になります。
評価が終了した後、レポート作成のためにメタデータを使用することもできます。メタデータを使用すると、項目に学習目標を割り当てることができます。メタデータを使用すると 受験者の結果をフィルタリングするために使用します。 学生が特定の学習目標をどの程度達成しているかを推測することができます。.
まとめ
教育機関には、何千もの項目、テスト、生徒が存在し、そのすべてを評価プラットフォームで管理する必要があります。そのため、いつ、どのように、どの生徒のためにデジタル教材を使用できるかを示す情報を持つことは、非常に重要です。秘密は細部にあります。メタデータを使用すると、必要な基準に従ってそれらを記述し、その基準を使って素早く簡単にそれらを見つけることができます。メタデータは、堅牢なオンライン・テスト・ソフトウェアに不可欠な、時間短縮のための機能です。
