Mesure et évaluation des compétences en éducation médicale
Notice bibliographique
Résumé
Depuis une centaine d’années, des chercheurs ont développé des théories, des modèles et des techniques permettant de mieux mesurer ou observer les apprentissages des étudiants. Le domaine de la pédagogie des sciences de la santé, pour sa part, est le terrain de nombreuses avancées en mesure et évaluation depuis les années 1990. Cependant, le secteur des construits complexes reste à développer, ce qui suscite de nombreux questionnements. Comment mesurer le jugement clinique ? Sur quelles théories édumétriques doit-on s’appuyer pour étudier les instruments de mesure ? Comment automatiser la notation ? Comment s’assurer de la validité des inférences lors de la mesure ou de l’observation du jugement clinique ? Comment mieux comprendre les mécanismes qui permettent de rendre compte du succès d’un programme d’intervention ? C’est à ces questions que le présent ouvrage veut répondre. Mesure et évaluation des compétences en éducation médicale est le fruit de la 37e conférence de l’Association pour le développement des méthodologies d’évaluation en éducation (ADMÉÉ- Canada), qui s’est tenue à Gatineau (Québec) en novembre 2015. Il fait état des plus récents travaux de chercheurs qui étudient la mesure et l’évaluation dans le domaine de l’éducation médicale et des pédagogies des sciences de la santé, des échanges qui ont découlé de leur présentation et des défis posés par les problématiques évoquées. Il s’adresse autant aux professionnels qu’aux chercheurs et étudiants qui s’intéressent à ces questions.
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 | 0,053 | 0,116 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».