Les évaluations des performances en mathématiques sont-elles influencées par le sexe de l’élève ?
Notice bibliographique
Résumé
Cet article comporte deux études complémentaires visant à explorer si le sexe de l’étudiant influence le jugement des enseignants en mathématiques. La première étude, expérimentale, a porté sur 48 enseignants de mathématiques (secondaire supérieur). Ceux-ci ont été répartis en deux groupes comparables et devaient évaluer quatre copies attribuées dans le premier groupe à une fille, dans le second groupe à un garçon. Même si les enseignants affirment, dans le questionnaire portant sur leurs attitudes, que les filles et les garçons ont des capa cités et des intérêts identiques pour les mathématiques, les résultats montrent que les enseignants ont tendance à évaluer de manière différente des copies équivalentes attribuées à des garçons ou à des filles, selon la valeur de cette copie, plus ou moins bonne. La deuxième étude, corrélationnelle, se fonde sur les données de PISA 2000 de la Communauté française de Belgique et met en relation les scores standardisés obtenus dans PISA et les notes attribuées aux mêmes élèves par leur professeur de mathématiques. Il ressort de cette mise en relation, d’une part, que les garçons performants ont tendance à être surévalués et les filles performantes sous-évaluées, d’autre part, que les garçons peu perfor mants sont sous-évalués et les filles peu performantes fortement surévaluées comparativement aux garçons de même niveau.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».