Instruments de collecte et outils d’analyse qualitatifs : un défi pour évaluer la capacité à transférer
Notice bibliographique
Résumé
Les outils permettant de mieux comprendre le transfert des connaissances et la capacité à transférer, particulièrement dans un contexte de mathématiques et de sciences sont rares, voire non disponibles. Devant cet état de fait, nous avons élaboré nos propres instruments nous inspirant de travaux en psychologie cognitive. La perspective du traitement de l’information a servi de cadre de référence pour juger et analyser les capacités de transfert auprès d’élèves de 4e secondaire. La méthode de recherche choisie, de nature qualitative, est principalement axée sur l’évaluation de la capacité à transférer des connaissances lors d’une épreuve et d’un entretien. Afin d’évaluer ce potentiel de transfert, nous avons élaboré deux outils : une épreuve mathématico-scientifique et un guide d’entretien. Pour la passation de l’épreuve, nous avons pu compter sur la collaboration de 130 sujets provenant de deux écoles secondaires. L’entretien complète la prise de données avec 13 sujets ayant accepté la poursuite de l’étude. Les données recueillies par ces instruments font ensuite l’objet d’une analyse de contenu et d’une correction qualitative des problèmes. La correction des réponses fournies pour les problèmes résolus s’est faite à partir d’une grille d’analyse qualitative et adaptée de la littérature.
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 | 0,162 | 0,355 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,011 | 0,009 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».