Évaluer les capacités des élèves à résoudre des problèmes dans le cadre d’une évaluation externe, en France
Bibliographic record
Abstract
Dans le cadre d’une évaluation nationale en mathématiques en fin d’école primaire (élèves de 10-11 ans) en France nous proposons, dans cet article, d’étudier plus particulièrement les items relevant de la résolution de problèmes afin de déterminer quelles compétences et connaissances sont véritablement évaluées par un dispositif comportant une grande part de QCM (questions à choix multiple). À cette fin, nous serons amenées à utiliser un outil didactique décliné en facteurs de complexité et de compétence, mais aussi à considérer les stratégies que les élèves utilisent pour répondre à ce type d’évaluation. Dans une expérimentation menée parallèlement à ce bilan, nous examinerons l’activité de résolution de problèmes suivant deux modalités de questionnement (fermé ou plus classique) afin de déterminer si elles ont une incidence sur les résultats des élèves. Nous souhaitons ainsi appréhender l’activité de résolution de problèmes en mathématiques aussi bien d’un point de vue cognitif (notamment avec les rétroactions rendues possibles par les QCM) que d’un point de vue institutionnel, en tenant compte de l’influence de différentes modalités d’évaluation.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.011 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".