MétaCan
Menu
Retour à la cohorte
Enregistrement W4285154981 · doi:10.1051/pmed/2021030

Du contrat didactique au contrat évaluatif : une grille de lecture pour mieux appréhender l’évaluation des apprentissages en pédagogie médicale

2022· article· fr· W4285154981 sur OpenAlexaff
Éric Dionne, Marc Chanelière

Notice bibliographique

RevuePédagogie médicale · 2022
Typearticle
Languefr
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Contexte et problématique : L’évaluation des apprentissages représente pour les enseignants l’un des actes les plus difficiles à réaliser dans le cadre de leur pratique pédagogique. Il faut rendre compte des apprentissages dans différents contextes (diagnostique, formatif ou sommatif) en s’appuyant sur une démarche rigoureuse, qui permettra de réaliser des interprétations valides afin de prendre les meilleures décisions possibles. Dans les disciplines des sciences de la santé dont la médecine, ces décisions sont souvent prises dans un contexte à enjeux critiques. Toutefois cela ne minimise en rien le poids de l’évaluation des personnes impliquées dans la formation des futurs professionnels de la santé. De plus, ces évaluations restent parcellaires, se fondant souvent sur des informations limitées, parfois ambiguës et imparfaites. Exégèse : Dans le cadre de cet article, nous présentons le concept de contrat évaluatif, emprunté au concept de contrat didactique, qui offre une grille de lecture qui nous semble pertinente afin de situer l’évaluation des apprentissages dans son contexte écologique. Dans un premier temps, nous présenterons le concept de contrat didactique en mettant l’accent sur ses caractéristiques pour ensuite tenter une définition. Nous enchaînerons avec des exemples tirés de situations pédagogiques authentiques où le concept de contrat évaluatif peut être mis à profit pour mieux les comprendre, les appréhender ou en tirer un meilleur parti.

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)0,042
score de la tête « metaresearch » (Gemma)0,066
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,221

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0420,066
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0050,028
Communication savante0,0160,017
Science ouverte0,0030,007
Intégrité de la recherche0,0070,019
Charge utile insuffisante (le modèle a refusé de juger)0,0080,003

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,346
Écart entre enseignants0,302 · 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'étudeThéorique ou conceptuel
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePédagogie médicaleMême sujetInnovations in Medical EducationTravaux en français237 207