MétaCan
Menu
Retour à la cohorte
Enregistrement W2893680775 · doi:10.7202/1050974ar

Validation du cadre de référence PIEA des pratiques d’évaluation des apprentissages en classe dans une approche par compétences selon la perception d’étudiants du collégial 1

2018· article· fr· W2893680775 sur OpenAlexaffvenueabout
Nadine Talbot, Gilles Raîche

Notice bibliographique

RevueRevue des sciences de l éducation · 2018
Typearticle
Languefr
DomaineDecision Sciences
ThématiqueEvaluation and Performance Assessment
Établissements canadiensUniversité du Québec à MontréalUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Au Québec, les réformes scolaires instaurées entre 1986 et 2004 aux différents ordres d’enseignement visent principalement le développement de compétences au lieu de l’atteinte d’objectifs d’apprentissage. Cette transition a causé des changements dans les pratiques pédagogiques. Ainsi, la connaissance des pratiques pédagogiques, et de fait des pratiques d’évaluation des apprentissages, pourrait permettre de mieux comprendre la réalité vécue dans les classes. Proposé par Raîche (2006), le cadre de référence PIEA énonce les caractéristiques suivantes des pratiques d’évaluation des apprentissages en classe : la planification, l’intégration, l’équité et l’authenticité. L’objectif spécifique de cette recherche était de déterminer si les caractéristiques du modèle PIEA se retrouvent dans les caractéristiques perçues des pratiques d’évaluation des apprentissages en classe par des étudiants du collégial. Un échantillon de 1975 étudiants inscrits dans des programmes techniques et préuniversitaires d’études collégiales québécois a répondu à un questionnaire constitué de 24 items. Les données ainsi obtenues ont été traitées à l’aide d’une analyse factorielle exploratoire. Les analyses menées pour déterminer le nombre de dimensions à retenir et explorer les diverses solutions factorielles ont permis d’identifier un modèle à quatre facteurs fortement corrélés entre eux associés aux caractéristiques proposées par le modèle PIEA, mais toutefois pas exactement les mêmes.

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)0,114
score de la tête « metaresearch » (Gemma)0,178
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,114
Score d'incertitude au seuil0,605

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1140,178
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0080,005
Études des sciences et des technologies0,0070,007
Communication savante0,0130,007
Science ouverte0,0040,009
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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.

Tête enseignante Opus0,303
Tête enseignante GPT0,474
Écart entre enseignants0,172 · 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'étudeObservationnel
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
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRevue des sciences de l éducationMême sujetEvaluation and Performance AssessmentTravaux en français237 207