Une typologie du savoir-faire enseignant en matière d’évaluation formative
Bibliographic record
Abstract
Jusqu’à présent, les pratiques d’évaluation formative des enseignants et des enseignantes ont été appréhendées à l’aune d’une perspective normative et prescriptive. Cette recherche adopte un autre angle d’approche en s’intéressant aux savoirs de terrain d’enseignantes du primaire en cette matière, à la faveur de l’éclairage des travaux de Schön (1983) sur le savoir construit dans l’expérience pratique du quotidien. Elle implique cinq enseignantes du primaire auprès desquelles a été conduite une série de trois entretiens individuels pour chacune, prenant appui sur des bandes vidéo produites dans leur classe. La coanalyse des épisodes d’évaluation formative captés a permis de dégager un ensemble de « manières de faire » l’évaluation formative, et leur analyse a permis de distinguer des savoirs stratégiques, des savoirs sur le processus de travail, des savoirs sur les conditions de la pratique, des savoirs sur les relations, des savoirs sur la posture et, enfin, des savoirs théoriques.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.022 | 0.036 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.006 | 0.024 |
| Scholarly communication | 0.014 | 0.011 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".