Notice bibliographique
Résumé
Le programme international pour le suivi des acquis des élèves (PISA, Organisation de coopération et de développement économiques) vise à mesurer les compétences des élèves d’environ 15 ans dans des matières fondamentales (par exemple, les mathématiques, la lecture et les sciences). Du même coup, de nombreuses modélisations édumétriques issues de la théorie de la réponse aux items (Bertrand et Blais, 2004; Hambleton et Swaminathan, 1986) ont été développées pour procéder à la mesure des compétences de ces derniers. Si les autorités politiques et économiques des pays occidentaux et asiatiques appuient généralement les épreuves à grande échelle, il est nécessaire de prendre un temps de réflexion afin de se poser la question suivante : peut-on mesurer une compétence? Plusieurs auteurs répondent positivement à cette question (Hartig, Klieme et Leutner, 2008). Par contre, une réflexion philosophique sur le sujet a de quoi rendre sceptique. D’une part, le concept de compétence est fort complexe et il ne bénéficie pas d’une définition unanimement acceptée par la communauté scientifique (Blömeke, Gustafsson et Shavelson, 2015). D’autre part, le concept de mesure est difficile à appliquer en éducation. Cet article propose une réflexion sur la mesure et la nature polysémique du concept de compétence. L’auteur tentera de démontrer qu’il est possible de lier ces deux concepts, mais cela engendre d’énormes défis théoriques et pratiques.
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,020 |
| Communication savante | 0,010 | 0,013 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».