Identification et mise à l'épreuve des variables permettant la prédiction du niveau de difficulté de tâches d'évaluation pour des équations du premier degré en mathématiques au secondaire
Notice bibliographique
Résumé
Cette étude s'intéresse à l'élaboration de tâches d'évaluation pour des équations du premier degré à deux inconnues en mathématiques, au secondaire. Nous nous sommes intéressés plus précisément à l'identification des paramètres permettant de connaître a priori le niveau de difficulté d'un échantillon de tâches d'évaluation en algèbre et notre recherche s'est limitée à la modélisation d'un seul paramètre, à savoir le niveau de difficulté. Le travail effectué dans le cadre de cette recherche a porté sur l'identification et la classification de variables prédictives pour le niveau de difficulté. Afin d'atteindre nos objectifs, nous avons choisi de travailler avec les données de la banque d'instruments de mesure du réseau secondaire (BIM). Les épreuves desquelles résultent ces données ont été soumises à des élèves de plusieurs commissions scolaires de la province de Québec. À partir de ces données, nous avons procédé au classement des tâches d'évaluation reliées aux équations du premier degré. Par la suite, une application du modèle de régression linéaire a été réalisée afin de vérifier si le taux de réussite des tâches d'évaluation pouvait être expliqué par les variables prédictives retenues. Les résultats obtenus ont montré que les variables prédictives expliquent le taux de réussite des tâches d'évaluation des équations du premier degré avec un coefficient de détermination de 0,78. Ainsi, même si les tâches d'évaluation utilisées pour cette étude ont été produites par des enseignants différents provenant de plusieurs régions du Québec, il a été possible de prédire efficacement leur niveau de difficulté. Les résultats obtenus par les corrélations sont comparables à ceux d'autres études du même type. L'originalité de notre travail a été de montrer comment élaborer des tâches d'évaluation en utilisant des variables prédictives. Ce concept a été validé selon deux modèles: un modèle à une équation et l'autre à deux équations. De plus, nous avons présenté des étapes afin de construire des tâches d'évaluation avec un niveau de difficulté déterminé à l'avance. Au niveau pratique, le modèle développé pourra être utilisé directement par les enseignants lors des évaluations classiques en salle de classe. Mais aussi pour le développement d'environnements d'évaluation informatisés. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Production de tâches d'évaluation, Équations du premier degré, Variables prédictives, Niveau de difficulté de tâches d'évaluation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».