Bewertungen: Aggregationstypen kennenlernen
Grades: aggregation methods
Ziele:
Lernen Sie unterschiedliche Aggregationstypen kennen und wie Sie diese für einzelne Bewertungskategorien einstellen.
Schwierigkeit: einfach
Gültig ab Moodle Version 4.2
Goals:
Learn about different aggregation types and how to set them for individual grade categories.
Difficulty: easy
Valid from Moodle version 4.2
Setup für Bewertungen
Wählen Sie zuerst das Register„Bewertungen“ und dann im linken Drop-down-Menü den Eintrag „Setup für Bewertungen“
Gradebook setup
Klick on the tab "Grades" and then choose "Gradebook setup" in the drop-down menu.
Einstellungen der Bewertungskategorie
Eine Aggregation legt fest, wie die Bewertungen innerhalb eines Kurses oder einer Kategorie zusammengerechnet werden. Wie Sie Kategorien in einem Kurs einrichten, erfahren Sie in der Anleitung: „Kategorien anlegen“.
Um eine Aggregationsmethode auszuwählen, klicken Sie in der Zeile der Kategorie auf die drei Punkte und wählen „Kategorie bearbeiten“.
Auch der gesamte Kurs generiert eine übergreifende Kategorie, die ebenfalls bearbeitet werden kann. Um diese zu bearbeiten, klicken Sie auf die drei Punkte in der Zeile des Kurstitels.
Edit grade category
An aggregation defines how the grades within a course or category are added together. You can learn how to set up categories in a course in the guide "Add categories".
To select an aggregation method, click on the three dots in the category row and select "Edit category".
You can edit the category of the whole course too.To edit this, click on the three dots in the line of the course title.
Gesamtergebnis definieren
Unter dem Eintrag „Gesamtergebnis“ legen Sie den Aggregationstyp fest. Diese werden im Folgenden erklärt:
Durchschnittsbewertung: Die Summe der einzelnen Bewertungen wird durch die Anzahl der Bewertungen geteilt.
Beispiel: Die Kategorie enthält 3 Aspekte. Ein Kandidat erzielte im ersten Aspekt 70 von 100 Punkten, im zweiten 20 von 80 Punkten und im dritten 10 von 10 Punkten. Im ersten erreicht der Kandidat somit 70%, im zweiten 25% und im letzten 100%. Für die Durchschnittsbewertung werden diese Prozentwerte addiert und durch die Anzahl der Aspekte dividiert. 195:3=65 (von 100)
Gewichteter Durchschnitt: Jeder Aspekt innerhalb einer Kategorie kann mit einem Gewicht versehen werden, um die Bedeutung für die Gesamtbewertung zu definieren. Die einzelnen Bewertungen werden mit diesen Gewichten multipliziert, dann summiert und schließlich durch die Summe der Gewichte geteilt.
Beispiel: Ausgangssituation wie oben. Der erste Aspekt wurde mit 10, der zweite mit 5 und der dritte mit 3 gewichtet. Dann würden die 70% mal 10 genommen, die 25% mal 5 und die 100% mal 3. 1125:(10+5+3)=62,5 (von 100)
Einfach gewichteter Durchschnitt: Die Gewichtung wird anhand der maximal zu erreichenden Punkte berechnet. Ein Aspekt, in welchem man 100 erreichen kann, wird mit einer Gewichtung von 100 multipliziert, etc.
Beispiel: Ausgangssituation wie oben. Im ersten Aspekt werden die 70% mal der zu erreichenden 100 Punkte genommen, im zweiten die 25% mal der 80 und im dritten die 100% mal der 10. Diese werden dann durch die Summe der Maximalbewertungen (100+80+10) dividiert. Ergebnis: 52,6 (von 100)
Durchschnitt (mit Zusatzpunkten): Dies ist eine veraltete Methode, die noch aus Kompatibilitätsgründen zur Verfügung steht. Eine Verwendung wird nicht empfohlen.
Median aller Bewertungen: Die Bewertungen werden der Größe nach sortiert und der mittlere Wert wird als Gesamtnote herangezogen.
Beispiel: Ausgangssituation wie oben. Der mittlere Wert ist 70%= 70 von 100
Niedrigste bzw. höchste Bewertung: Die Bewertungen werden der Größe nach sortiert und der niedrigste/höchste Wert wird genommen.
Beispiel: Ausgangssituation wie oben. Der niedrigste (25%) = 25 von 100 bzw. der höchste (100%) = 100 von 100.
Modus (Modalwert) aller Bewertungen: Es wird die Bewertung als Gesamtnote herangezogen, die am häufigsten vorkommt.
Beispiel: Ausgangssituation wie oben. Zusätzlich nehmen wir noch 2 Aspekte hinzu: 35 von 50 (70%) und 7 von 10 (70%). Die häufigste Bewertung ist in diesem Fall 70% (70 von 100).
Summe: Die Bewertungen aller Aspekte werden addiert.
Beispiel: Ausgangssituation wie oben. 70+20+10=100 (von 190 Punkten).
Weiters gibt es die Möglichkeit anzgeben, ob leere Bewertungen ausgenommen werden sollen oder ob eine bestimmte Anzahl an niedrigen Bewertungen nicht in die Aggregation einfließen sollen.
Nach der Auswahl des Typs klicken Sie auf die Schaltfläche „Änderungen speichern“.
Under the "Aggregation" entry, you specify the aggregation type. These are explained below:
Mean of grades: In yields the sum of all grades divided by the total number of grades. For instance: assume a category A (with a Maximum grade equal to 100) includes three items, A1, A2 and A3 (with maximum grades equal to 100, 80 and 10, respectively); if a student scores A1=70, A2=20 and A3=10, then we have the following grade calculation for A:
A1 -->70/100=0.7, A2 --> 20/80=0.25, A3 -->10/10=1
A: (0.7 + 0.25 + 1.0)/3 = 0.65 --> 65/100 --> 65 (the maximum grade for category A is 100).
Weighted mean: Each grade item can be given a weight to change its importance in the overall mean. In simple terms, the category "total" will be equal to the sum of the scores in each grade item, each multiplied by its grade weight, and that sum is finally divided by the sum of all weights. This is shown in the following example (with the same assumptions as the previous case).
A1: 70 out of 100 weight 10, A2: 20 out of 80 weight 5, A3: 10 out of 10 weight 3, category A: maximum grade 100
A1 -->70/100=0.7, A2 --> 20/80=0.25, A3 -->10/10=1
A: (0.7*10 + 0.25*5 + 1.0*3)/(10 + 5 + 3) = 0.625 --> 62.5/100 --> 62.5 (out of 100)
Simple weighted mean: The difference from the weighted mean is that the weight of each item is its Maximum grade. For instance, using the same assumptions of the first case:
A1 --> 70/100, A2 --> 20/80 = 0.25 A3 --> 10/10, category max 100:
A: (0.7*100 + 0.25*80 + 1.0*10)/(100 + 80 + 10) = 0.526 --> 52.6/100 --> 52.6 (out of 100)
Mean of grades (with extra credit): An old, now unsupported, aggregation strategy is provided here only for backward compatibility with old activities and shouldn´t be used.
Median of grades: The middle value (or the mean of the two middle values) when percentages (the ratios between grades and their maximum values) are arranged in order of value. The advantage over the mean is that it is not affected by outliers (grades which are uncommonly far from the mean).
A1 70/100, A2 20/80, A3 10/10, category max 100:
A: median(0.7, 0.25, 1.0) --> 0.70 --> 70/100
Lowest and highest grade: The grades are sorted by size and the lowest/highest value is taken.
For instance, using the same assumptions of the first case: The lowest (25%) = 25 out of 100 or the highest (100%) = 100 out of 100.
Mode of grades: The mode is the normalised grade that occurs the most frequently. It is often used for non-numerical grades. The advantage over the mean is that it is not affected by outliers (grades which are uncommonly far from the mean). However, it loses its meaning once there is more than one most frequently occurring grade (only one is kept) or when all the grades differ.
A1 70/100, A2 35/50, A3 20/80, A4 10/10, A5 7/10 category max 100:
A: mode(0.7, 0.7, 0.25, 1.0, 0.7) = 0.7 --> 70/100
Natural: This is the sum of all grade values, scaled by relative weights. The Maximum grade of the category is the sum of the maximums of all aggregated items.
A1 70/100, A2 20/80, A3 10/10, without forcing weights:
A: (70 + 20 + 10)/(100 + 80 + 10) --> 100/190
Furthermore one can define, wether to exclude empty grades or a specified number of lowest grades.
After selecting the type click the "Save changes" button.
Weitere Informationen
Bei Fragen zur Barrierefreiheit wenden Sie sich bitte an die entsprechende Supporteinrichtung Ihrer Hochschule.
Dieses Werk steht unter einer Creative Commons Attribution-ShareAlike 4.0 Lizenz: https://creativecommons.org/licenses/by-sa/4.0/
Further information
If you have questions about accessibility, please contact the appropriate support facility at your university.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 license: https://creativecommons.org/licenses/by-sa/4.0/