Élaboration d'une épreuve diagnostique cognitive pour dépister les difficultés d'apprentissage des élèves de 5e secondaire en physique
Notice bibliographique
Résumé
La réussite du cours de physique de 5e secondaire est un prérequis essentiel pour de nombreux programmes postsecondaires scientifiques contingentés. Cependant, le processus d’admission basé sur les résultats scolaires des deux premières étapes de 4e secondaire ne garantit pas la maitrise des préalables nécessaires à ce cours. Les principales difficultés rencontrées par les élèves proviennent de la difficulté à transférer les concepts prescrits ainsi que les conceptions alternatives ou spontanées lors de l’apprentissage de la physique. L’approche diagnostique cognitive (ADC) permet d’identifier les forces et les faiblesses des apprenants concernant leurs processus cognitifs. Une évaluation en physique de 5e secondaire fondée sur cette approche pourrait aider à repérer les processus maîtrisés et ceux en difficulté, dans le but de maximiser la réussite de tous. Malgré les études portant sur des évaluations en lien avec l’ADC, elles ont généralement été élaborées à partir d’autres approches ou portent sur les domaines des langues et des mathématiques. Dans le cadre de notre recherche, nous avons répondu à la question suivante : Quel est le processus pour élaborer une épreuve diagnostique cognitive permettant d’identifier les forces et les faiblesses des élèves suivant le cours de physique de 5e secondaire? Notre démarche a consisté à élaborer une épreuve diagnostique cognitive portant sur la physique mécanique dynamique, conformément au programme de formation québécois. Notre cadre théorique s'appuie sur l’ADC, ainsi que sur des recherches et tests existants dans ce domaine. Pour renforcer notre méthodologie, nous nous sommes référés à trois cadres de référence en développement d'épreuves : les Standards for Educational and Psychological Testing (AERA, APA, NCME, 2014), The Wiley Handbook of Psychometric Testing (Irwing et Hughes, 2018), et le Handbook of Test Development (Lane et al., 2016). À chaque étape, nous avons détaillé le processus d'élaboration. Dans un premier temps, à l’aide d’un panel de trois experts, dont la chercheuse, nous avons identifié une liste initiale de 10 attributs en physique mécanique dynamique, puis nous avons conçu 15 items sous forme de questions à choix multiples (QCM). Ensuite, nous avons prévalidé l'épreuve auprès de 12 élèves de 5e secondaire en recueillant leurs réponses écrites et les protocoles verbaux de leurs raisonnements cognitifs. Nos objectifs ont été atteints, car le contenu ainsi que les processus cognitifs mobilisés par les élèves pour résoudre les items ont été validés par une méthode de validation basée sur l'accumulation de preuves. Cependant, certaines limites ont été identifiées, notamment l'absence de prise en compte du concept d'équilibre dans la majorité des réponses, les difficultés rencontrées pour proposer des combinaisons de choix de réponses, ainsi que les nuances dans la compréhension de la relation entre la force normale et la force de gravité et l'orientation de cette dernière. Cette recherche a contribué à enrichir et approfondir les connaissances dans le domaine de l’ADC ainsi que dans l’élaboration d’épreuves basées sur cette approche. En somme, il s'agit de la première épreuve conçue à des fins diagnostiques cognitives dans le domaine spécifique de la physique mécanique dynamique, conformément au programme de formation de l'école québécoise. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Approche diagnostique cognitive, Évaluation, Physique, Attribut, Outil diagnostic cognitif
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 | 0,021 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,012 | 0,008 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».