La recherche collaborative au service du développement professionnel en ligne
Bibliographic record
Abstract
Cette recherche collaborative vise à cerner les pratiques évaluatives d’enseignantes, mises en place dans un contexte d’évaluation pour l’apprentissage, et à illustrer des façons de faire qui pourraient servir d’exemples aux futurs enseignants et à ceux déjà en exercice. Des rétroactions orales portant sur des aspects affectifs, cognitifs, métacognitifs et méthodologiques et formulées de façon positive, négative ou constructive ont été expérimentées (Rodet, 2000). En prenant appui sur les postulats de la recherche collaborative (Desgagné et al., 2001), des assises méthodologiques ont été fournies pour mettre en place l’analyse réflexive des pratiques évaluatives. Les vidéos produites en classe ont été analysées en vue d’établir un portrait précis des interventions des enseignantes afin que celles-ci puissent apporter les régulations jugées nécessaires à leur développement professionnel. Les résultats indiquent que le contexte, la phase de la démarche d’apprentissage et le destinataire influencent le type de rétroactions. Les vidéos ont par la suite été intégrées à un parcours de formation continue pour illustrer les caractéristiques des pratiques qui soutiennent le développement des apprentissages. Cette activité de formation a été mise en ligne sur le site « Zoom sur l’expertise pédagogique » et peut être utilisée par les intervenants du milieu scolaire intéressés par cette problématique.
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 | 0.035 | 0.075 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.007 | 0.006 |
| Scholarly communication | 0.014 | 0.010 |
| Open science | 0.003 | 0.011 |
| Research integrity | 0.005 | 0.006 |
| Insufficient payload (model declined to judge) | 0.047 | 0.015 |
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".