Pratiques d’évaluation des apprentissages d’enseignants au postsecondaire : premiers résultats d’une étude québéco-belge
Notice bibliographique
Résumé
Partout dans le monde, les enseignants universitaires sont appelés à revoir leurs pratiques évaluatives. Cette transformation complique leur travail et nourrit une diversité de langages et d’outillages se réclamant d’idéologies fort variées (Figari et Remaud, 2014). Ces enseignants, peu formés en enseignement et en évaluation, ont du mal à s'y retrouver et adoptent des pratiques personnelles, leur permettant de composer avec les contraintes, qui souffrent aussi d’un manque de cohérence (Rey & Feyfant, 2014). Par exemple, Blais et al. (1997) mettent en relief le décalage entre les objectifs déclarés des enseignants et leurs pratiques d’évaluation. Cependant, hormis une poignée de travaux, notamment ceux qui observent que l'évaluation se réalise le plus souvent avec des examens à choix multiples, nous savons au fond peu de choses sur la manière dont les enseignants au postsecondaire évaluent les apprentissages (Detroz et Romainville, 2015 ; Garcia, 2009; Pereira, 2011; Pereira & Flores, 2012). Qu’en est-il en contexte québécois ? Quel portrait pouvons-nous dresser concernant les pratiques d'évaluation des apprentissages d'enseignants au postsecondaire ? L’équipe de l’Observatoire interuniversitaire sur les pratiques innovantes d’évaluation des apprentissages (OPIEVA), en collaboration avec Pascal Detroz, entend s’intéresser à ce sujet en réalisant une étude sur les pratiques évaluatives d’enseignants au postsecondaire. Afin d’en dresser un portrait, nous visons deux objectifs de recherche : 1) identifier les pratiques d’évaluation d'enseignants au postecondaire ; 2) dégager et organiser ces pratiques en fonction de leurs conceptions et de leurs actions pédagogiques. Pour atteindre le premier objectif, nous utilisons une version adaptée du questionnaire en ligne de Detroz et Romainville (2015), intitulé Enquête sur les pratiques d'évaluation dans l'enseignement supérieur. La version adaptée comporte une trentaine d'items choisis pour refléter une démarche cohérente d’évaluation. Les enseignants de deux universités québécoises sont invités à répondre au questionnaire en ligne. La communication sera l’occasion de présenter les premiers résultats de cette étude.
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 | 0,003 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,009 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».