MétaCan
Menu
Retour à la cohorte
Enregistrement W2789926443 · doi:10.1522/rhe.v1i1.10

Réussite de l’épreuve unique d’histoire de quatrième secondaire : récit d’une recherche collaborative

2017· article· fr· W2789926443 sur OpenAlexvenueno aff
Catherine Duquette, Marc-André Lauzon, Sonia Saint-Gelais

Notice bibliographique

RevueRevue hybride de l éducation · 2017
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueEducator Training and Historical Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

L’article a pour objectif de présenter les résultats obtenus à la suite d’une recherche collaborative menée auprès de huit enseignants d’histoire de deuxième cycle du secondaire de la Commission scolaire du Pays-des-Bleuets pendant l’année scolaire 2014-2015. L’observation d’un faible taux de réussite des élèves de la Commission scolaire (CS) à l’épreuve unique d’histoire de quatrième secondaire, comparativement aux autres CS de la province, est à l’origine de ce projet financé par le Consortium régional de recherche en éducation (CRRE) (Duquette, Lauzon et St-Gelais,, 2016). D’une durée d’un an, le projet visait à mieux comprendre les forces et les faiblesses des élèves pour ensuite développer, avec l’équipe enseignante, des stratégies didactiques adaptées. À la suite de l’analyse de 195 copies d’épreuve unique de juin 2014, nous avons dégagé que la principale faiblesse des élèves était leur difficulté à travailler avec le dossier documentaire : un assemblage de sources historiques permettant de répondre aux questions de l’épreuve. Le texte que nous proposons fera état de l’évolution des stratégies didactiques développées par les enseignants lors de trois communautés d’apprentissage afin de familiariser les élèves à l’analyse des sources documentaires. Nous mettrons également en lumière l’importance de la collaboration entre l’équipe de chercheurs et l’équipe enseignante tant pour parvenir à une réelle transformation des pratiques que pour améliorer nos connaissances en didactique de l’histoire.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,131
Score d'incertitude au seuil0,261

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,027
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0080,013
Études des sciences et des technologies0,0080,008
Communication savante0,0100,005
Science ouverte0,0010,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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.

Tête enseignante Opus0,402
Tête enseignante GPT0,455
Écart entre enseignants0,053 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue hybride de l éducationMême sujetEducator Training and Historical PedagogyTravaux en français237 207