Relatert litteratur og studier om datasystemer:

1. Generelle oversikter:

* "Automatisert vurdering i utdanning" av J. D. Baker og R. W. Smith (2013): Denne boken gir en omfattende oversikt over automatisert vurdering, inkludert datakarakteringssystemer. Det dekker forskjellige aspekter som typer systemer, designhensyn og implikasjoner for undervisning og læring.

* "Computer-Based Assessment:Issues and Perspectives" Redigert av C. A. W. Glas (2010): Dette redigerte volumet utforsker de teoretiske og praktiske problemene rundt databasert vurdering, inkludert datakarakteringssystemer. Det fremhever de potensielle fordelene og utfordringene ved å bruke teknologi for gradering.

* "The Handbook of Research on Educational Communications and Technology" Redigert av J. V. Byrne, B. H. Waschek, og D. H. Jonassen (2014): Denne håndboken gir en enorm oversikt over forskning på utdanningsteknologi, inkludert kapitler om automatisert vurdering og datakaraktering.

2. Spesifikke studier på datasystemer:

* "Automatisert essay scoring:A Survey" av J. Burstein, J. C. Brecht, D. Weinstein, og L. Baker (2010): Denne undersøkelsesoppgaven fokuserer på utvikling og evaluering av automatiserte essayscoringssystemer. Den undersøker evner, begrensninger og fremtidige retninger av disse systemene.

* "En gjennomgang av automatiserte graderingssystemer i høyere utdanning" av T. H. M. van de Walle og S. J. de Jong (2017): Denne gjennomgangsoppgaven undersøker bruken av datasystemer i høyere utdanning. Den utforsker potensielle fordeler og utfordringer, så vel som de etiske hensynene.

* "Effektiviteten av automatiserte karaktersystemer for skriving" av M. J. Beal, C. A. W. Glas, og S. J. de Jong (2018): Denne studien undersøker effektiviteten av automatiserte graderingssystemer for å vurdere studentskriving. Den sammenligner resultatene av automatisert gradering med menneskelig gradering og utforsker faktorene som påvirker nøyaktigheten.

3. Applikasjoner av datasystemer:

* "Datamaskinbasert vurdering av engelskspråklige elever" av J. S. Lee og S. H. Kim (2016): Denne artikkelen undersøker bruken av datasystemer for å vurdere engelskspråklige elever. Den undersøker effektiviteten til disse systemene for denne spesifikke populasjonen.

* "Automatisert vurdering av kode i høyere utdanning" av J. D. Baker (2016): Denne artikkelen undersøker bruken av automatiserte graderingssystemer for å vurdere datakode i høyere utdanning. Den diskuterer utfordringene og mulighetene forbundet med å bruke denne teknologien.

* "Automatisert gradering av studentprosjekter i et innledende programmeringskurs" av A. M. Bell, P. C. Bell, M. C. Bell, og C. A. W. Glas (2018): Denne studien undersøker gjennomførbarheten og effektiviteten ved å bruke et automatisert graderingssystem for gradering av studentprosjekter i et innledende programmeringskurs.

4. Etiske hensyn:

* "Automatisert essaygradering:rettferdighet og nøyaktighet" av S. J. de Jong (2019): Denne artikkelen undersøker de etiske implikasjonene ved bruk av automatiserte essaysgraderingssystemer. Den diskuterer potensialet for skjevhet og viktigheten av åpenhet.

* "Etikken i automatisert vurdering i utdanning" av M. J. Beal (2020): Denne artikkelen gir en omfattende oversikt over de etiske hensynene rundt automatisert vurdering i utdanning. Den utforsker potensialet for skjevhet, åpenhet og rettferdighet.

Denne listen gir et utgangspunkt for din utforskning av relatert litteratur og studier. Husk å bruke relevante nøkkelord for å søke etter mer spesifikk informasjon. Du kan også søke etter artikler i anerkjente akademiske tidsskrifter som "pedagogisk teknologiforskning og utvikling" eller "datamaskiner og utdanning".

Husk å vurdere følgende aspekter når du evaluerer forskning:

* Metodikk: Hvordan ble forskningen utført? Var det strengt og godt designet?

* Funn: Hva var hovedfunnene i studien? Er de troverdige og støttet av bevis?

* Implikasjoner: Hva er implikasjonene av funnene for din spesifikke kontekst eller forskningsspørsmål?

Ved å evaluere litteraturen kritisk, kan du få en dypere forståelse av datasystemer og deres potensielle fordeler og utfordringer.