Évaluation de la qualité de l’enseignement par les étudiantes et étudiants
Bibliographic record
Abstract
Les évaluations de l’enseignement par les étudiants et étudiantes sont utilisées à des fins académiques et formatives, mais sont également évoquées d’une manière sommative lors de décisions liées à la carrière professorale. Dans le cadre de la présente recherche, deux objectifs sont poursuivis. Le premier objectif est de déterminer les qualités psychométriques de l’instrument utilisé à l’Université du Québec à Rimouski. Avec l’avènement des technologies de l’information et de la communication, les conditions dans lesquelles se déroulent ces évaluations ont été modifiées. Le second objectif est de vérifier les impacts de la modalité de passation en ligne vs papier sur les qualités psychométriques de l’instrument. Le corpus de données est constitué des évaluations réalisées durant les années 2007- 2008 (20245 évaluations) et 2010-2011 (16432 évaluations). Les résultats attestent qu’un modèle hiérarchique décrit mieux la structuration du questionnaire que des modèles alternatifs, que la modalité de passation a une influence sur le taux de réponses et, dans certains cas, sur le taux de satisfaction des enseignements, mais qu’elle n’influence ni la fiabilité ni la dimensionnalité des évaluations. Les implications de ces résultats sont discutées.
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 | 0.100 | 0.181 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 0.002 |
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".