Comment de futurs enseignants évaluent la maîtrise de compétences
Notice bibliographique
Résumé
L’article analyse le savoir-évaluer de futurs enseignants (FE dans la suite du texte) en sciences humaines dans l’enseignement secondaire supérieur. Le savoirévaluer des FE n’est pas directement observé dans la gestion de pratiques de classe. Il est documenté au travers des outils qu’ils ont construits pour évaluer le degré de maîtrise de compétences de type professionnel chez leurs élèves qui se préparent à un métier de «service aux personnes» et des traces de l’usage de ces outils. Les difficultés les plus récurrentes de même que quelques démarches prometteuses sont relevées et analysées à la lumière du contexte de production de ces pratiques évaluatives. Les données soutiennent l’intérêt de travailler ces pratiques évaluatives en formation. Pour permettre au lecteur de comprendre les critères d’analyse retenus par les auteurs, les premiers chapitres de l’article préciseront, d’une part, le contexte général du développement des compétences en Communauté française de Belgique, ses fondements conceptuels et les exigences liées à leur évaluation, d’autre part, les choix didactiques portés par les formatrices pour travailler le «savoir évaluer» des FE.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».