MétaCan
Menu
← Retour à la cohorte
Enregistrement W7104261584 · doi:10.71781/5396

L’influence de la pression à l’évaluation chiffrée des apprentissages des élèves québécois : une analyse des stratégies d’adaptation d’enseignant·e·s de la 6e année

2021· dissertation· fr· W7104261584 sur OpenAlexaboutno aff

Notice bibliographique

RevuePapyrus : Institutional Repository (Université de Montréal) · 2021
Typedissertation
Languefr
DomaineSocial Sciences
ThématiqueEducation, sociology, and vocational training
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPilotagePoison controlBehavioral analysis

Résumé

récupéré en direct d'OpenAlex

Durant les deux dernières décennies, la pression à l’évaluation chiffrée, dans le système éducatif québécois, s’est grandement intensifiée. Cette pression a provoqué un accroissement du nombre d’évaluations chiffrées dans les écoles, entrainant dans son sillage des dérives au plan de la pratique comme le gonflement artificiel des notes des élèves pour satisfaire les cibles du Ministère de l’Éducation en matière de réussite. La pression prend de l’ampleur à la fin du primaire, au moment où les élèves de 6e année doivent opérer le passage vers le secondaire. Dans la foulée, la performance scolaire traduite par la note chiffrée représente un critère de choix pour sélectionner les élèves dans certains établissements privés d’enseignement réputés pour leur « excellence ». Dans ce contexte, l’évaluation chiffrée est devenue un enjeu sociopolitique. À ce jour, la recherche a surtout documenté les impacts psychologiques de la pression à l’évaluation chiffrée sur le travail d’enseignant·e·s (stress, anxiété, fatigue, abandon) ; peu d’attention a été portée à la manière dont les enseignant·e·s s’ajustent pour composer avec ce contexte. Ainsi, ce mémoire vise à comprendre comment des enseignant·e·s de 6e année du primaire s’adaptent face à la pression à l’évaluation chiffrée des apprentissages des élèves québécois. Plus précisément, il documente les formes d’adaptations secondaires que les enseignant·e·s déploient pour négocier les contraintes institutionnelles et les conventions professionnelles qui se construisent autour de l’évaluation chiffrée des apprentissages. La théorie de Perrenoud (2004b) sur le « métier d’élève » est ici transposée au « métier d’enseignant » afin d’éclairer ces adaptations secondaires. Sur le plan méthodologique, le point de vue des enseignant·e·s a été privilégié, recueilli au moyen d’entretiens individuels conduits auprès de 4 enseignantes de 6e année travaillant dans des établissements d’enseignement primaire de Montréal et de Laval. Les données recueillies sont présentées suivant deux registres d’analyse. Dans le premier registre, le matériau de recherche est analysé selon le point de vue des participantes à partir d’une stratégie de raisonnement par questionnement analytique (Paillé et Mucchielli (2016). Il en ressort trois catégories d’adaptations secondaires que les enseignantes ont développées pour s’affranchir un peu de l’influence externe qui pèse sur leur travail, à savoir : l’allègement des tâches d’évaluation, l’alignement des modalités d’évaluation et l’ajustement de l’évaluation selon une commande externe. Dans le deuxième registre, en cohérence avec la démarche inductive employée, un éclairage complémentaire est mobilisé pour donner sens à la dynamique d’actions réciproques entre les acteurs qui sous-tend ces stratégies d’adaptation. Il s’agit de la théorie de la régulation sociale de Reynaud (1979), issue de la sociologie des organisations. Combinée aux apports d’autres auteurs affiliés à une perspective interactionniste, cette théorie conduit à éclairer la fabrique de l’évaluation par la mise en relief de trois stratégies de régulation : la régulation de contrôle, la régulation autonome et la régulation conjointe.

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)0,005
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,251
Score d'incertitude au seuil0,506

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0040,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,032
Tête enseignante GPT0,295
Écart entre enseignants0,263 · 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'étudeQualitatif
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePapyrus : Institutional Repository (Université de Montréal)→Même sujetEducation, sociology, and vocational training→Travaux en français237 207→