L’intégration des technologies numériques à l’évaluation des apprentissages à distance en enseignement supérieur : quelles transformations des pratiques évaluatives?
Notice bibliographique
Résumé
Au Québec, des établissements d’enseignement supérieur au collégial, dont les programmes visent le développement de compétences, se tournent vers la formation à distance (FAD) et l’intégration des technologies numériques (TN) pour accroitre l’accessibilité aux études. Sur la base des constats que les pratiques d’évaluation intégrant les TN sont peu documentées, le projet de recherche mené en amont à la pandémie vise l’identification de pratiques d’évaluation des apprentissages à distance mises en œuvre par des enseignants dans le cadre d’un cours d’un programme. La recherche qualitative/interprétative réalisée a permis d’apporter un éclairage au sujet des pratiques évaluatives intégrant les TN. Les résultats révèlent l’émergence de pratiques évaluatives qui intègrent les TN afin de répliquer, d’amplifier et de transformer l’évaluation des compétences.
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 | 0,044 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,012 |
| Communication savante | 0,017 | 0,012 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».