Évaluer des compétences : une articulation cubique
Notice bibliographique
Résumé
Depuis la mise en place de programmes centrés sur le développement des compétences, l'évaluation des apprentissages fait l'objet de nombreux questionnements de la part des acteurs des milieux de formation. Les questionnements se sont accentués depuis le virage obligé vers l’enseignement à distance en raison du contexte pandémique. Plusieurs enseignants témoignent de préoccupations grandissantes. Comment évaluer lorsque les élèves ne sont pas là? Comment vérifier qu’ils ne trichent pas et que ce sont bien leurs réponses qu’ils retournent? Le risque du plagiat augmente avec la distance alors que les évaluations constituées d’items à choix multiples (QCM) ou d’items à réponse courte sont favorisées par les outils numériques. Bien qu’ils facilitent les rétroactions en période d’enseignement à distance et diminuent le temps de correction, ces types d’items ne permettent pas d’évaluer tous les objets d’apprentissage visés. C’est bien là que le bât blesse. Évaluer des compétences ne se fera pas par QCM. Il devient essentiel de revenir à l’essentiel, soit comment évaluer les compétences, et ce, malgré la distance. Cet article propose une réflexion sur l’évaluation scolaire et présente un modèle de questionnements des visées de l’évaluation à distance.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,000 |
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 tête enseignante, 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 ».