12 öğretmen 600 öğrenciye ders vermektedir. Bu öğretmenler tarafından öğretilen 12 kohortun büyüklüğü 40 ila 90 öğrenci arasında değişmektedir ve yüksek lisans öğrencileri belirli kohortlara orantısız olarak ayrıldığından ve kohortlar arasında sistematik farklılıklar beklemekteyiz ve daha önceki deneyimler, lisansüstü öğrencilerin ortalama puandan önemli ölçüde daha yüksek olduğunu göstermiştir. lisans öğrencileri.
Öğretmenler kohortlarındaki tüm makaleleri derecelendirdiler ve 100 üzerinden not verdiler.
Her öğretmen ayrıca diğer üç öğretmenden seçilen rastgele bir kağıda baktı ve 100 üzerinden bir not verdi. Her öğretmenin üç makalesi başka bir öğretmen tarafından işaretlendi. 36 farklı kağıt bu şekilde çapraz işaretlendi ve buna kalibrasyon verilerim diyorum.
Ayrıca her grupta kaç tane yüksek lisans öğrencisi olduğunu görebiliyorum.
Sorularım:
A) Bu kalibrasyon verilerini orijinal işaretleri daha adil hale getirmek için ayarlamak için nasıl kullanabilirim? Özellikle, aşırı cömert / cimri üreticilerin etkilerini mümkün olduğunca yıkamak istiyorum.
B) Kalibrasyon verilerim ne kadar uygun? Bu kursta aldığım kalibrasyon verilerinin oldukça sınırlı 36 veri noktasında bir seçeneğim yoktu ve şu anki dönemde daha fazla toplama seçeneğim yok. Ancak, bu durum tekrarlanırsa daha fazla kalibrasyon verisi toplayabilir veya farklı türde kalibrasyon verileri toplayabilirim.
Bu soru sorduğum popüler bir sorunun akrabasıdır: Öğrenci makalelerini notlandırmada farklı cömertlik düzeylerine sahip belirteçlerin etkileriyle en iyi nasıl başa çıkabilirim? . Ancak, bu farklı bir ders ve bu soruyu okumanın şu anki için ne kadar yararlı olacağından emin değilim, çünkü asıl sorun kalibrasyon verim olmadığıydı.
lm(score ~ gradStudent + ... + teacherID
yapmalı.