Ús del taller: diferència entre les revisions

Revisió del 17:05, 13 des 2013

Nota: Aquesta pàgina està en procés de traducció. Si us plau aneu a la pàgina de comentaris o al fòrum de traductors de la documentació a moodle.org per a qualsevol dubte o suggeriment

Moodle 2.4

Fases del Taller

Es pot considerar que el taller es desenvolupa en cinc fases. Un taller típic pot durar dies o fins i tot setmanes. El professorat és qui canvia el taller d'una fase a una altra.

Un taller típic segueix un traçat lineal que va des de la Configuració a la Tramesa, l'Avaluació, la Puntuació/Qualificació, i acaba amb la fase de Tancament. Però també és possible un traçat recurrent més avançat.

L'avenç de l'activitat es pot veure en l'anomenat Planificador del taller. Mostra totes les fases del Taller i destaca la fase actual. També fa una relació de totes les tasques que l'usuari ha de fer en la present fase del taller, amb informació sobre si la tasca ja s'ha acabat, encara no s'ha acabat o, fins i tot, si s'ha suspés.

Fase de configuració

En aquesta fase inicial. els participants del Taller no poden fer res (ni modificar les seves trameses ni les avaluacions). Els gestors del curs utilitzen aquesta fase per a canviar els paràmetres del taller, modificar l'estratègia de puntuació en els models de formularis de qualificació... Podeu canviar a aquesta fase sempre que necessiteu variar els paràmetres del Taller i evitar que l'usuari pugui modificar el seu treball.

Fase de tramesa

En la fase de tramesa, els participants del Taller fan la tramesa del seu treball. Podeu fixar les dates del Control d'accés perquè, encara que el Taller estiga en aquesta fase, la tramesa es limite només a un període determinat. Es pot especificar tant la data (i l'hora) d'inici de la tramesa com la data (i hora) de tancament, o ambdues.

Fase d'avaluació

Si el Taller utilitza la característica de l'avaluació entre iguals, aquesta serà la fase en la qual els participants del taller avaluaran les tramesses que se'ls ha assignat perquè les revisen. Com en la fase de tramesa, l'accés es pot controlar especificant la data i l'hora des de què i/o fins quan l'avaluació està permesa.

Fase de qualificació de les avaluacions

La feina principal en aquesta fase és el càlcul de la puntuació final de les trameses i de les avaluacions, i retornar informació (retroacció) als autors i als avaluadors. En aquesta fase, els participants del taller ja no poden modificar les seves trameses o les seves avaluacions. La persona que gestiona el curs pot esborrar de forma manual les puntuacions calculades. A més, algunes trameses destacades es poden definir com a publicades perquè, en la fase següent, estiguen disponibles per a tots els participants del Taller.

Tancament

Un taller ja tancat

Nova funcionalitat
del Moodle 2.4!

Quan el taller entra en aquesta fase, les puntuacions finals calculades en la fase anterior es traslladen al Gradebook del curs. Açò fa que les qualificacions del taller apareguen tant en el Qualificador com en el Taller (novetat del Moodle 2.4 i següents). En aquesta fase, els participants poden veure les seves trameses, les seves avaluacions i, si fóra el cas, altres trameses publicades.

Qualificació del taller

Les puntuacions de l'activitat Taller es van obtenint esglaonadament, al llarg de diferents etapes, fins que es tanquen. L'esquema següent mostra aquest procés i dóna informació sobre les taules de la base de dades on s'emmagatzemen les puntuacions.

Esquema del càlcul de la puntuació del taller

Com podeu veure, cada participant obté dues puntuacions en el Qualificador del curs. Durant la Fase de qualificació de les avaluacions, el gestor del curs pot fer que el Taller calcule aquestes puntuacions finals. Observeu que estan emmagatzemades en el mòdul Taller fins que l'activitat passa a la fase final (Tancament). Per tant, si no esteu satisfets amb les puntuacions, hi podeu jugar sense perill, i posteriorment podeu tancar el Taller i traslladar les puntuacions al Qualificador. Aleshores, fins i tot, podríeu tornar a la fase anterior, recalcular o anul·lar les qualificacions, i tornar a tancar el Taller, de forma que les puntuacions s'actualitzarien una altra vegada en el Qualificador (tingueu en compte que també podeu modificar les puntuacions en el Qualificador).

Durant la qualificació de les avaluacions, la taula Informe de qualificacions del taller mostra una visió general de totes les puntuacions individuals. L'informe utilitza diversos símbols i sintaxi:

Qualificacions	Significat
- (-) < Alice	Alice té una avaluació assignada, però encara no l'ha fet i tampoc l'ha estat puntuada.
68 (-) < Alice	Alice ha avaluat la tramesa, a la qual ha atorgat 68 punts. La qualificació de l'avaluació (avaluació de l'avaluació) encara no s'ha fet.
23 (-) > Bob	La tramesa de Bob ha estat avaluada per un company, que li ha atorgat 23 punts. La qualificació d'aquesta avaluació encara no s'ha fet.
76 (12) < Cindy	Cindy ha avaluat la tramesa, i li ha donat 76 punts. La qualificació d'aquesta avaluació ha rebut 12 punts.
67 (8) @ 4 < David	David ha ha avaluat la tramesa amb un 67, i ha rebut un 8 com a qualificació de la seva avaluació. La seva avaluació té un pes de 4.
80 (20 / 17) > Eve	La tramesa d'Eve fou avaluada per un company. La tramesa d'Eve va rebre un 80, i la qualificació d'aquesta avaluació va calcular-se en un 20. El professor ha canviat la qualificació de l'avaluació a 17, i probablement ha enviat una explicació a l'avaluador/revisor.

Qualificació de la tramesa

La puntuació final de cada tramesa es calcula com la mitjana ponderada de les avaluacions fetes per tots els avaluadors d'aquesta tramesa. La puntuació s'arrodoneix al nombre de decimals establert en la pàgina de configuració del Taller.

El gestor del curs pot influir en la puntuació d'una determinada tramesa de dues formes:

fent la seva avaluació, probablement amb un pes major que aquell que tenen les avaluacions entre iguals
canviant la puntuació per un valor determinat

Qualificació de la tasca d'avaluació

La Qualificació de la tasca d'avaluació intenta estimar la qualitat de l'avaluació que el participant ha fet dels seus companys. Aquesta qualificació (també coneguda com "avaluació de l'avaluació") es calcula amb la intel·ligència artificial del mòdul Taller, que intenta fer el treball típic del professorat.

Durant la fase de qualificació de les avaluacions, utilitzareu una aplicació del Taller per a calcular les qualificacions de les avaluacions. De moment només hi ha un métode de càlcul anomenat Comparació amb la millor avaluació. A continuació es descriu el mètode utilitzat per aquesta aplicació. Penseu que, en el futur, se poden desenvolupar més mètodes com a extensions del Taller.

Les qualificacions de les avaluacions es mostren entre parèntesis en l'Informe de qualificacions del Taller. La qualificació final de l'avaluació es calcula com la mitjana de les "avaluacions de les avaluacions" individuals.

No hi ha una única fórmula per a descriure el càlcul. Però el procés és determinista. El taller escull una de les avaluacions com "la millor" -la més pròxima a la mitjana de totes les avaluacions- i li dona la puntuació del 100%. Aleshores, mesura la "distància" entre totes les altres avaluacions i aquesta millor, i els dona una puntuació més baixa quan més diferents siguen respecte a la millor (es considera que la millor representa un consens entre la majoria dels avaluadors). El paràmetre de càlcul és com d'estrictes hem de ser, es a dir: com de ràpid han de caure les puntuacions a mida que les avaluacions difereixen de la millor.

Si només hi ha 2 avaluacions per tramesa, el Taller no pot decidir quina és "correcta". Imagineu que teniu dos avaluadors - Alice i Bob. Ambdós avaluen la tramesa de Cindy. Alice dius que és una porqueria i Bob diu que és excel·lent. No hi ha forma de decidir qui té raó. Aleshores el Taller dirà: D'acord, ambdós teniu raó i us donaré als dos un 100% per aquesta avaluació. Per evitar-ho, teniu dues opcions:

Bé podeu encarregar una avaluació addicional de forma que el nombre d'avaluadors (revisors) sia senar i el Taller puga triar el millor. El cas típic seria que el professor fes les seves avaluacions de la tramesa i la desempataria.
O bé podeu decidir que us refieu més d'un dels avaluadors. Per exemple, sabeu que Alice és millor avaluadora que Bob. En aquest cas, podeu agmentar el pes de l'avaluació d'Alice, per exemple a "2" (en lloc de l'1 que ve per defecte). Als efectes del càlcul, l'avaluació d'Alice es considerarà com si hagueren dues avaluadores que hagueren tingut exactament la mateixa opinió i, per tant, es probable que la trien com la millor.

Compatibilitat amb versions anteriors

En el Taller 1.x, el cas de dos avaluadors amb el mateix pes no està ben gestionat i dóna resultats erronis ja que un d'ells tindrà la sort d'obtenir el 100% i l'altre obté una puntuació menor.

No es comparen les puntuacions finals

És important que sapigueu que el mètode de càlcul de les qualificacions Comparació amb la millor avaluació no compara les puntuacions finals (totals). Independentment de l'estratègia utilitzada, cada formulari d'avaluació completat es pot considerar com un vector de "n" dimensions de valors normalitzats. Així, l'aplicació compara les respostes de cadascuna de les dimensions del formulari d'avaluació (criteris, afirmacions, ...). I aleshores calcula la separació entre les dos avaluacions fent una anàlisi estadística de la variància.

Ho podeu veure en un exemple. Considerem que heu utilitzat l'estratègia de qualificació Nombre d'errors per a l'avaluació d'uns treballs de recerca. Aquesta estratègia utilitza una llista d'assercions i el revisor (avaluador) només ha de marcar si l'afirmació és correcta o és falsa. Suposem que heu definit un formulari d'avaluació amb tres criteris:

L'autor descriu clarament l'objectiu de la recerca? (sí/no)
Es descriu la metodologia de la investigació? (sí/no)
Les referències estan citades correctament? (sí/no)

Suposem que l'autor obtinga una puntuació del 100% si supera els 3 criteris (que l'avaluador respon "sí"), 75% si només supera dos dels criteris, 25% si en supera un i 0% si l'avaluador respon "no" als 3 criteris.

Ara imaginem que el treball de Daniel és avaluat per 3 col·legues: Alice, Bob i Cindy. Tots responen a cada criteri en el mateix ordre:

Alice: sí / sí / no
Bob: sí / sí / no
Cindy: no / sí / sí

Com podeu veure, tots donen una puntuació del 75% a la tramesa. Però Alice i Bob coincideixen en cada resposta, mentre que les respostes de l'avaluació de Cindy són diferents. El mètode d'avaluació Comparació amb la millor avaluació intenta determinar com seria una hipotètica avaluació absolutament correcta. En el document Development:Workshop 2.0 specification, David [David Mudrak, desenvolupador de Moodle] diu "Com Zeus avaluaria aquesta tramesa?" i podria ser així (no tenim cap altra manera):

Zeus 66% sí / 100% sí / 33% sí

Aleshores, s'intenta trobar aquelles avaluacions que són més pròximes a aquesta avaluació teòricament objectiva. Podeu observar que Alice i Bob són els millor i se'ls dona una qualificació de la avaluació del 100%. Aleshores es calcula com d'allunyada està l'avaluació de Cindy de la millor. Com podeu veure, les respostes de Cindy només coincideixen en un criteri de tres, així que la qualificació de l'avaluació de Cindy no serà gens alta.

El mateix raonament servirà per a totes les altres estratègies de qualificació. La conclusió és que la puntuació de la tramesa donada pel millor avaluador no ha de ser la més pròxima a la mitjana ja que les avaluacions es comparen en l'àmbit de les respostes (criteri) i no en el de la qualificació final (total) de cada avaluació.

Groups and Workshop

When a workshop is used in a course using separate or visible groups and groupings, it is possible to filter by group in a drop-down menu at the Assessment phase, manual allocation page, grades report and so on.

Group filtering drop down

@@ Línia 28: / Línia 28: @@
 [[File:workshop final grades.png|thumb|Un taller ja tancat]]{{New features}}Quan el taller entra en aquesta fase, les puntuacions finals calculades en la fase anterior es traslladen al [[Gradebook]] del curs. Açò fa que les qualificacions del taller apareguen tant en el Qualificador com en el Taller (novetat del Moodle 2.4 i següents). En aquesta fase, els participants poden veure les seves trameses, les seves avaluacions i, si fóra el cas, altres trameses publicades.
-==Workshop grading==
+==Qualificació del taller==
-The grades for a Workshop activity are obtained gradually at several stages and then they are finalized. The following scheme illustrates the process and also provides the information in what database tables the grade values are stored.
+Les puntuacions de l'activitat Taller es van obtenint esglaonadament, al llarg de diferents etapes, fins que es tanquen. L'esquema següent mostra aquest procés i dóna informació sobre les taules de la base de dades on s'emmagatzemen les puntuacions.
-[[Image:workshop_grades_calculation.png|400px|thumb|left|The scheme of grades calculation in Workshop]]
+[[Image:workshop_grades_calculation.png|400px|thumb|left|Esquema del càlcul de la puntuació del taller]]
 <br clear="all"/>
-As you can see, every participant gets two numerical grades into the course Gradebook. During the Grading evaluation phase, course facilitator can let Workshop module to calculate these final grades. Note that they are stored in Workshop module only until the activity is switched to the final (Closed) phase. Therefore it is pretty safe to play with grades unless you are happy with them and then close the Workshop and push the grades into the Gradebook. You can even switch the phase back, recalculate or override the grades and close the Workshop again so the grades are updated in the Gradebook again (should be noted that you can override the grades in the Gradebook, too).
+Com podeu veure, cada participant obté dues puntuacions en el Qualificador del curs. Durant la Fase de qualificació de les avaluacions, el gestor del curs pot fer que el Taller calcule aquestes puntuacions finals. Observeu que estan emmagatzemades en el mòdul Taller fins que l'activitat passa a la fase final (Tancament). Per tant, si no esteu satisfets amb les puntuacions, hi podeu jugar sense perill, i posteriorment podeu tancar el Taller i traslladar les puntuacions al Qualificador. Aleshores, fins i tot, podríeu tornar a la fase anterior, recalcular o anul·lar les qualificacions, i tornar a tancar el Taller, de forma que les puntuacions s'actualitzarien una altra vegada en el Qualificador (tingueu en compte que també podeu modificar les puntuacions en el Qualificador).
-During the grading evaluation, Workshop grades report provides you with a comprehensive overview of all individual grades. The report uses various symbols and syntax:
+Durant la qualificació de les avaluacions, la taula ''Informe de qualificacions del taller'' mostra una visió general de totes les puntuacions individuals. L'informe utilitza diversos símbols i sintaxi:
 {| class="nicetable"
 |-
-! Value
+! Qualificacions
-! Meaning
+! Significat
 |-
 | - (-) < Alice
-| There is an assessment allocated to be done by Alice, but it has been neither assessed nor evaluated yet
+| Alice té una avaluació assignada, però encara no l'ha fet i tampoc l'ha estat puntuada.
 |-
 | 68 (-) < Alice
-| Alice assessed the submission, giving the grade for submission 68. The grade for assessment (grading grade) has not been evaluated yet.
+| Alice ha avaluat la tramesa, a la qual ha atorgat 68 punts. La qualificació de l'avaluació (avaluació de l'avaluació) encara no s'ha fet.
 |-
 | 23 (-) > Bob
-| Bob's submission was assessed by a peer, receiving the grade for submission 23. The grade for this assessment has not been evaluated yet.
+| La tramesa de Bob ha estat avaluada per un company, que li ha atorgat 23 punts. La qualificació d'aquesta avaluació encara no s'ha fet.
 |-
 | 76 (12) < Cindy
-| Cindy assessed the submission, giving the grade 76. The grade for this assessment has been evaluated 12.
+| Cindy ha avaluat la tramesa, i li ha donat 76 punts. La qualificació d'aquesta avaluació ha rebut 12 punts.
 |-
 | 67 (8) @ 4 < David
-| David assessed the submission, giving the grade for submission 67, receiving the grade for this assessment 8. His assessment has weight 4
+| David ha ha avaluat la tramesa amb un 67, i ha rebut un 8 com a qualificació de la seva avaluació. La seva avaluació té un pes de 4.
 |-
 | 80 (<del>20</del> / <ins>17</ins>) > Eve
-| Eve's submission was assessed by a peer. Eve's submission received 80 and the grade for this assessment was calculated to 20. Teacher has overridden the grading grade to 17, probably with an explanation for the reviewer.
+| La tramesa d'Eve fou avaluada per un company. La tramesa d'Eve va rebre un 80, i la qualificació d'aquesta avaluació va calcular-se en un 20. El professor ha canviat la qualificació de l'avaluació a 17, i probablement ha enviat una explicació a l'avaluador/revisor.
 |}
-=== Grade for submission ===
+=== Qualificació de la tramesa ===
-The final grade for every submission is calculated as weighted mean of particular assessment grades given by all reviewers of this submission. The value is rounded to a number of decimal places set in the Workshop settings form.
-Course facilitator can influence the grade for a given submission in two ways:
+La puntuació final de cada tramesa es calcula com la mitjana ponderada de les avaluacions fetes per tots els avaluadors d'aquesta tramesa. La puntuació s'arrodoneix al nombre de decimals establert en la pàgina de configuració del Taller.
-* by providing their own assessment, possibly with a higher weight than usual peer reviewers have
+El gestor del curs pot influir en la puntuació d'una determinada tramesa de dues formes:
-* by overriding the grade to a fixed value
-=== Grade for assessment ===
+* fent la seva avaluació, probablement amb un pes major que aquell que tenen les avaluacions entre iguals
+* canviant la puntuació per un valor determinat
-Grade for assessment tries to estimate the quality of assessments that the participant gave to the peers. This grade (also known as ''grading grade'') is calculated by the artificial intelligence hidden within the Workshop module as it tries to do typical teacher's job.
+=== Qualificació de la tasca d'avaluació ===
-During the grading evaluation phase, you use a Workshop subplugin to calculate grades for assessment. At the moment, only one subplugin is available called ''Comparison with the best assessment''. The following text describes the method used by this subplugin. Note that more grading evaluation subplugins can be developed as Workshop extensions.
+La Qualificació de la tasca d'avaluació intenta estimar la qualitat de l'avaluació que el participant ha fet dels seus companys. Aquesta qualificació (també coneguda com "avaluació de l'avaluació") es calcula amb la intel·ligència artificial del mòdul Taller, que intenta fer el treball típic del professorat.
-Grades for assessment are displayed in the braces () in the Workshop grades report. The final grade for assessment is calculated as the average of particular grading grades.
+Durant la fase de qualificació de les avaluacions, utilitzareu una aplicació del Taller per a calcular les qualificacions de les avaluacions. De moment només hi ha un métode de càlcul anomenat ''Comparació amb la millor avaluació''. A continuació es descriu el mètode utilitzat per aquesta aplicació. Penseu que, en el futur, se poden desenvolupar més mètodes com a extensions del Taller.
-There is not a single formula to describe the calculation. However the process is deterministic. Workshop picks one of the assessments as the ''best'' one - that is closest to the mean of all assessments - and gives it 100% grade. Then it measures a 'distance' of all other assessments from this best one and gives them the lower grade, the more different they are from the best (given that the best one represents a consensus of the majority of assessors). The parameter of the calculation is how strict we should be, that is how quickly the grades fall down if they differ from the best one.
+Les qualificacions de les avaluacions es mostren entre parèntesis en l'Informe de qualificacions del Taller. La qualificació final de l'avaluació es calcula com la mitjana de les "avaluacions de les avaluacions" individuals.
-If there are just two assessments per submission, Workshop can not decide which of them is 'correct'. Imagine you have two reviewers - Alice and Bob. They both assess Cindy's submission. Alice says it is a rubbish and Bob says it is excellent. There is no way how to decide who is right. So Workshop simply says - ok, you both are right and I will give you both 100% grade for this assessment. To prevent it, you have two options:
+No hi ha una única fórmula per a descriure el càlcul. Però el procés és determinista. El taller escull una de les avaluacions com "la millor" -la més pròxima a la mitjana de totes les avaluacions- i li dona la puntuació del 100%. Aleshores, mesura la "distància" entre totes les altres avaluacions i aquesta millor, i els dona una puntuació més baixa quan més diferents siguen respecte a la millor (es considera que la millor representa un consens entre la majoria dels avaluadors). El paràmetre de càlcul és com d'estrictes hem de ser, es a dir: com de ràpid han de caure les puntuacions a mida que les avaluacions difereixen de la millor.
-* Either you have to provide an additional assessment so the number of assessors (reviewers) is odd and workshop will be able to pick the best one. Typically, the teacher comes and provide their own assessment of the submission to judge it
+Si només hi ha 2 avaluacions per tramesa, el Taller no pot decidir quina és "correcta". Imagineu que teniu dos avaluadors - Alice i Bob. Ambdós avaluen la tramesa de Cindy. Alice dius que és una porqueria i Bob diu que és excel·lent. No hi ha forma de decidir qui té raó. Aleshores el Taller dirà: D'acord, ambdós teniu raó i us donaré als dos un 100% per aquesta avaluació. Per evitar-ho, teniu dues opcions:
-* Or you may decide that you trust one of the reviewers more. For example you know that Alice is much better in assessing than Bob is. In that case, you can increase the weight of Alice's assessment, let us say to "2" (instead of default "1"). For the purposes of calculation, Alice's assessment will be considered as if there were two reviewers having the exactly same opinion and therefore it is likely to be picked as the best one.
-'''Backward compatibility note'''
+* Bé podeu encarregar una avaluació addicional de forma que el nombre d'avaluadors (revisors) sia senar i el Taller puga triar el millor. El cas típic seria que el professor fes les seves avaluacions de la tramesa i la desempataria.
+* O bé podeu decidir que us refieu més d'un dels avaluadors. Per exemple, sabeu que Alice és millor avaluadora que Bob. En aquest cas, podeu agmentar el pes de l'avaluació d'Alice, per exemple a "2" (en lloc de l'1 que ve per defecte). Als efectes del càlcul, l'avaluació d'Alice es considerarà com si hagueren dues avaluadores que hagueren tingut exactament la mateixa opinió i, per tant, es probable que la trien com la millor.
-In Workshop 1.x this case of exactly two assessors with the same weight is not handled properly and leads to wrong results as only the one of them is lucky to get 100% and the second get lower grade.
+'''Compatibilitat amb versions anteriors'''
-'''It's not final grades what is compared'''
+En el Taller 1.x, el cas de dos avaluadors amb el mateix pes no està ben gestionat i dóna resultats erronis ja que un d'ells tindrà la sort d'obtenir el 100% i l'altre obté una puntuació menor.
-It is very important to know that the grading evaluation subplugin ''Comparison with the best assessment'' does not compare the final grades. Regardless the grading strategy used, every filled assessment form can be seen as n-dimensional vector of normalized values. So the subplugin compares responses to all assessment form dimensions (criteria, assertions, ...). Then it calculates the distance of two assessments, using the variance statistics.
+'''No es comparen les puntuacions finals'''
-To demonstrate it on example, let us say you use grading strategy Number of errors to peer-assess research essays. This strategy uses a simple list of assertions and the reviewer (assessor) just checks if the given assertion is passed or failed. Let us say you define the assessment form using three criteria:
+És important que sapigueu que el mètode de càlcul de les qualificacions ''Comparació amb la millor avaluació'' no compara les puntuacions finals (totals). Independentment de l'estratègia utilitzada, cada formulari d'avaluació completat es pot considerar com un vector de "n" dimensions de valors normalitzats. Així, l'aplicació compara les respostes de cadascuna de les dimensions del formulari d'avaluació (criteris, afirmacions, ...). I aleshores calcula la separació entre les dos avaluacions fent una anàlisi estadística de la variància.
-# Does the author state the goal of the research clearly? (yes/no)
+Ho podeu veure en un exemple. Considerem que heu utilitzat l'estratègia de qualificació Nombre d'errors per a l'avaluació d'uns treballs de recerca. Aquesta estratègia utilitza una llista d'assercions i el revisor (avaluador) només ha de marcar si l'afirmació és correcta o és falsa. Suposem que heu definit un formulari d'avaluació amb tres criteris:
-# Is the research methodology described? (yes/no)
-# Are references properly cited? (yes/no)
-Let us say the author gets 100% grade if all criteria are passed (that is answered "yes" by the assessor), 75% if only two criteria are passed, 25% if only one criterion is passed and 0% if the reviewer gives 'no' for all three statements.
+# L'autor descriu clarament l'objectiu de la recerca? (sí/no)
+# Es descriu la metodologia de la investigació? (sí/no)
+# Les referències estan citades correctament? (sí/no)
-Now imagine the work by Daniel is assessed by three colleagues - Alice, Bob and Cindy. They all give individual responses to the criteria in order:
+Suposem que l'autor obtinga una puntuació del 100% si supera els 3 criteris (que l'avaluador respon "sí"), 75% si només supera dos dels criteris, 25% si en supera un i 0% si l'avaluador respon "no" als 3 criteris.
-* Alice: yes / yes / no
+Ara imaginem que el treball de Daniel és avaluat per 3 col·legues: Alice, Bob i Cindy. Tots responen a cada criteri en el mateix ordre:
-* Bob: yes / yes / no
-* Cindy: no / yes / yes
-As you can see, they all gave 75% grade to the submission. But Alice and Bob agree in individual responses, too, while the responses in Cindy's assessment are different. The evaluation method ''Comparison with the best assessment'' tries to imagine, how a hypothetical absolutely fair assessment would look like. In the [[Development:Workshop 2.0 specification]], David refers to it as "how would Zeus assess this submission?" and we estimate it would be something like this (we have no other way):
+* Alice: sí / sí / no
+* Bob: sí / sí / no
+* Cindy: no / sí / sí
-* Zeus 66% yes / 100% yes / 33% yes
+Com podeu veure, tots donen una puntuació del 75% a la tramesa. Però Alice i Bob coincideixen en cada resposta, mentre que les respostes de l'avaluació de Cindy són diferents. El mètode d'avaluació ''Comparació amb la millor avaluació'' intenta determinar com seria una hipotètica avaluació absolutament correcta. En el document [https://docs.moodle.org/dev/Workshop_2.0_specification  Development:Workshop 2.0 specification], David [David Mudrak, desenvolupador de Moodle] diu "Com Zeus avaluaria aquesta tramesa?" i podria ser així (no tenim cap altra manera):
-Then we try to find those assessments that are closest to this theoretically objective assessment. We realize that Alice and Bob are the best ones and give 100% grade for assessment to them. Then we calculate how much far Cindy's assessment is from the best one. As you can see, Cindy's response matches the best one in only one criterion of the three so Cindy's grade for assessment will not be as high.
+* Zeus 66% sí / 100% sí / 33% sí
-The same logic applies to all other grading strategies, adequately. The conclusion is that the grade given by the best assessor does not need to be the one closest to the average as the assessment are compared at the level of individual responses, not the final grades.
+Aleshores, s'intenta trobar aquelles avaluacions que són més pròximes a aquesta avaluació teòricament objectiva. Podeu observar que Alice i Bob són els millor i se'ls dona una qualificació de la avaluació del 100%. Aleshores es calcula com d'allunyada està l'avaluació de Cindy de la millor. Com podeu veure, les respostes de Cindy només coincideixen en un criteri de tres, així que la qualificació de l'avaluació de Cindy no serà gens alta.
+El mateix raonament servirà per a totes les altres estratègies de qualificació. La conclusió és que la puntuació de la tramesa donada pel millor avaluador no ha de ser la més pròxima a la mitjana ja que les avaluacions es comparen en l'àmbit de les respostes (criteri) i no en el de la qualificació final (total) de cada avaluació.
 ==Groups and Workshop==

Documentation