Auto-évaluation d’élèves et prédiction de l’évaluation de l’éducateur physique à leur égard : incidences sur leurs comportements en éducation physique
Notice bibliographique
Résumé
Les objectifs de cette étude étaient (1) d’analyser l’auto-évaluation d’élèves et leur prédiction de l’évaluation de leur enseignant d’éducation physique et (2) de vérifier leur relation avec les comportements qu’ils disent adopter en classe d’éducation physique. Un total de 891 élèves (418 filles, 473 garçons) et huit enseignants ont participé à l’étude. L’écart entre l’auto-évaluation des élèves et leur prédiction de l’évaluation de leur enseignant a été mesuré pour leur niveau performance, leur niveau de discipline et l’intensité de leurs efforts. Les résultats montrent que plus les élèves s’estiment sous-évalués par leur enseignant sur ces trois dimensions, moins ils tendent à rapporter l’adoption de comportements positifs durant les cours d’éducation physique, les garçons signalant encore moins de comportements positifs. Ces résultats suggèrent que la perception qu’ont les élèves de ce que leur enseignant pense d’eux a un impact sur ce qui se passe en classe d’éducation physique.
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 | 0,010 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».