Les effets de l’EEE sur le développement professionnel des enseignants et l’expérience d’apprentissage des étudiants
Notice bibliographique
Résumé
En suisse, les institutions d’enseignement supérieur disposent d’une autonomie importante pour implémenter leur modèle d’évaluation des enseignements par les étudiants (EEE). Certaines, comme l’Université de Lausanne, ont opté pour des modèles minimisant la part de contrôle ; d’autres, comme la Haute école d'ingénierie et de gestion du Canton de Vaud, ont préféré contrôler davantage la prestation enseignante. L’espace suisse de l’enseignement supérieur constitue donc un terrain de recherche intéressant pour s’interroger sur les impacts de l’EEE. Dans le présent travail, les auteurs ont opté pour une étude de cas mobilisant des données quantitatives et qualitatives afin de chercher à comprendre si l’impact sur le développement professionnel des enseignants et l’expérience d’apprentissage des étudiants diffère selon le modèle d’EEE utilisé. sur la base des résultats, les auteurs débattront du développement professionnel des enseignants et de l’expérience d’apprentissage des étudiants en lien avec l’EEE, puis concluront avec quelques perspectives de recherches futures.
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 | 0,062 | 0,017 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».