La catégorisation des élèves par les enseignants : une étude critique des propositions de Hofer
Notice bibliographique
Résumé
Notre contribution présente les recherches de Hofer (1981, 1986) qui se sont intéressées aux catégories d’élèves contenues dans le répertoire cognitif des enseignants. Elle se penche plus spécifiquement sur l’approche utilisée par cet auteur afin d’en extraire la méthodologie, dont nous avons fait usage notamment à l’aide des approches utilisées dans les recherches sur la catégorisation des objets et des personnes (Sternberg, 2007 ; Reed, 2011). Neuf enseignantes genevoises du primaire ont participé à notre dispositif de recherche, qui poursuit deux objectifs : (a) vérifier la pertinence du recours à une méthode statistique, soit l’analyse par grappes (cluster analysis), pour identifier les catégories d’élèves disponibles dans le bagage cognitif des enseignants, et (b) examiner si la structure interne centrale-périphérique de catégories isolées de connaissances que Hofer pense démontrer n’est pas le produit des algorithmes statistiques qu’il utilise. Nous concluons par une discussion sur nos résultats concernant la méthodologie et les perspectives de recherche.
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 | 0,027 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,014 |
| Communication savante | 0,008 | 0,014 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».