L’évaluation en langues à l’entrée de la fonction publique en France et au Canada
Bibliographic record
Abstract
Cet article se propose de comparer les modalités de l’épreuve de langue aux concours d’accès à la fonction publique en France et au Canada. Concernant la France, l’étude concerne les concours des fonctions publiques d’État et territoriale. Une typologie des épreuves laisse apparaître un nombre restreint de types d’épreuves, dominées, à l’écrit comme à l’oral, par la version, accompagnée voire remplacée à l’oral par une conversation. Ceci reflète une organisation des épreuves extrêmement décentralisée. Les besoins en langues sont rarement envisagés par poste ; ils le sont plutôt par corps. Au Canada, l’évaluation du niveau de compétence dans la seconde langue officielle vient d’être revue. Les candidats sont évalués en fonction d’un référentiel qui pallie certains points problématiques du référentiel établi par le Conseil de l’Europe, le Cadre européen commun de référence (CECR), comme, par exemple, la place des langues de spécialité. Les besoins en langues par postes sont analysés grâce à ce référentiel. Nous proposons enfin quelques pistes pour améliorer la validité des épreuves de langues aux concours administratifs en France.
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 | 0.008 | 0.021 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.007 | 0.005 |
| Scholarly communication | 0.010 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".