Utilité des échelles descriptives et différences individuelles dans l’autoévaluation de l’écrit
Notice bibliographique
Résumé
Cette recherche porte sur les différences individuelles entre élèves lorsque ceuxci utilisent des échelles descriptives pour évaluer une production complexe. Plus précisément, elle a cherché à déterminer quelles caractéristiques du jugement de l’élève, pour ce qui est de la précision, de la sévérité et de la confiance, affectent leur rendement en écriture. La précision du jugement s’est avérée le meilleur prédicteur du rendement en écriture. Des différences importantes quant à l’habileté avec laquelle les élèves des groupes talentueux, doués ou en difficulté d’apprentissage utilisent les échelles descriptives ont également été observées. Même si les filles obtiennent de meilleures notes que les garçons à l’écrit, les différences entre les deux groupes quant à la précision, à la sévérité et à la confiance du jugement ne sont pas significatives. La comparaison des groupes francophone et anglophone au moyen des régressions multiples séparées indique que la compréhension des échelles descriptives contribue de la même manière au rendement en écriture dans chacun des groupes. Le degré de confiance, toutefois, s’est révélé significativement plus bas chez les francophones. Il n’y pas eu d’amélioration significative dans la capacité à évaluer des textes écrits entre la 5e et la 8e année. La recherche conclut en soulignant l’importance des dimensions socioaffectives du jugement de l’élève dans l’utilisation d’échelles descriptives.
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 | 0,109 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».