MétaCan
Menu
Retour à la cohorte
Enregistrement W4389722209 · doi:10.7202/1108077ar

L’évolution de l’approche d’évaluation fondée sur le programme pour soutenir l’éducation inclusive

2023· article· fr· W4389722209 sur OpenAlexaffvenueabout
Maria del Carmen Grullon Carvajal, Nathalie Trépanier

Notice bibliographique

RevueEnfance en difficulté · 2023
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueCollaborative Teaching and Inclusion
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceValuation (finance)PhilosophyEconomics

Résumé

récupéré en direct d'OpenAlex

Exploitée plus théoriquement et influençant les documents légaux et ministériels dans le système d’éducation canadien, l’approche d’évaluation fondée sur le programme (EFP) consiste en une synthèse des modèles CBA (curriculum-based assessment), CBM (curriculum-based measurement) et CBE (curriculum-based evaluation). Popularisée aux États-Unis, notamment pour l’enseignement des mathématiques, cette approche s’est développée dans les années 1980 pour soutenir l’enseignement auprès des élèves en difficulté, pour ensuite être relancée dans les années 2000 et se retrouver dans le courant des interventions dites universelles (Christ et Becker, 2018). Plusieurs problèmes se posent pourtant dans sa mise en oeuvre par le personnel enseignant, car en plus d’être peu ou pas accessible en langue française, elle semble se limiter à une succession de mesures normatives des apprentissages maitrisés par les élèves. Pour comprendre la richesse latente de l’approche d’EFP en éducation inclusive, nous proposons d’en présenter les origines et d’expliquer comment ses principes et ses visées rejoignent ceux des injonctions de réussite de tous les élèves en contexte d’inclusion scolaire. Nous expliquons également comment les cadres d’intervention de l’approche d’EFP offrent une avenue pertinente d’évaluation continue favorisant un meilleur arrimage entre l’évaluation et la planification des interventions auprès de tous les élèves d’un groupe-classe.

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)0,121
score de la tête « metaresearch » (Gemma)0,193
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,121
Score d'incertitude au seuil0,640

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1210,193
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0070,008
Études des sciences et des technologies0,0040,012
Communication savante0,0150,011
Science ouverte0,0030,009
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,365
Écart entre enseignants0,314 · 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'étudeSans objet
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

Citations0
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnfance en difficultéMême sujetCollaborative Teaching and InclusionTravaux en français237 207