Les perceptions des enseignants-chercheurs de l’Université libre de Bruxelles à propos de l’évaluation des enseignements
Bibliographic record
Abstract
Cet article présente une partie des résultats d’une enquête menée en 2010 auprès des enseignants-chercheurs nommés à titre définitif de l’Université libre de Bruxelles (ULB). Cette étude avait pour objectif de mieux connaître la mission d’enseignement de cette population et de permettre, tant aux autorités de l’université qu’aux acteurs concernés par l’aide aux étudiants et aux enseignants, de mieux connaître les besoins et la réalité du métier de professeur d’université, à travers l’identification des représentations des enseignants-chercheurs concernant leur mission d’enseignement. Dans cette contribution, les auteurs tentent de répondre plus précisément à deux questions relatives à l’évaluation des enseignements: d’une part, quels seraient les meilleurs procédés pour acquérir des compétences pédagogiques (les feedbacks des étudiants en étant un possible) et, d’autre part, quelles sont les perceptions des enseignants universitaires quant à la valorisation de leur mission d’enseignement dans leur progression de carrière.
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 | 0.013 | 0.031 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.017 | 0.003 |
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".