शिक्षकों के लिए AI

Assessment criteria का weight बिना मनमानी के कैसे तय करें

Rubric weights तय करने और extreme examples पर final scores जाँचने की पारदर्शी विधि।

Assessment criteria का weight बिना मनमानी के कैसे तय करें

हर प्रतिशत को learning goal, error impact और skill की वास्तविक महत्ता से जोड़ें।

Weight बताता है कि शिक्षक किस चीज़ को महत्वपूर्ण मानता है। यदि “30% ठीक लगता है” ही कारण है तो final score assignment के उद्देश्य से उलटा हो सकता है।

Learning outcomes से शुरू करें। हर criterion के लिए पूछें: core है या supporting? इसमें failure पूरी work को invalid बनाता है? क्या वही चीज़ दूसरे criteria में फिर score हो रही है?

“Clarity, structure, organization” जैसे overlapping criteria merge करें। Criteria इतने कम हों कि विद्यार्थी उन्हें self-check में उपयोग कर सके।

100 points बाँटने के बाद sample profiles पर test करें: strong content but weak presentation; correct but incomplete; attractive but conceptually wrong; average in everything। क्या final score वास्तविक mastery दिखाता है? यदि सुंदर formatting core error की भरपाई कर देती है तो weights गलत हैं।

Safety, academic integrity या essential accuracy के लिए threshold rule रखें। यह rule assignment से पहले बताना चाहिए।

Colleague से rubric use कराएँ और multiple samples पर difference देखें। अच्छी weighting mathematical perfection नहीं; goal alignment, tested consequences, student clarity और revision की क्षमता है।

विचार को काम में लाएँ

संबंधित टूल, कार्यप्रवाह और मार्गदर्शिका

Free toolAI पाठ योजना जनरेटर

Draft an objective, teaching sequence, practice, and exit check.

उत्पाद वर्कफ़्लोAI पाठ्यक्रम निर्माता

Turn approved sources into editable course entities.

Guide hubPractical teaching guides

Use complete, reviewable workflows rather than isolated prompts.

अगले शिक्षण चरण पर जाएँ

परिणाम को संपादन योग्य और स्रोत-आधारित रखते हुए संबंधित SubSchool वर्कफ़्लो का उपयोग करें।

कार्यप्रवाह खोलें →
SubSchool Editorial Team