Bibliographic record
Abstract
Le domaine de l’évaluation présente certaines difficultés pour les éducateurs qui doivent apprécier les comportements des élèves, les objectifs d’apprentissage, les programmes ou encore une situation d’enseignement. Ces difficultés relèvent en partie du fait que les éducateurs confondent les processus de la mesure, de la recherche et de l’évaluation et leurs connaissances du processus décisionnel sont souvent limitées. De plus, ajoutons à ces difficultés la rareté de personnes-ressources dans le domaine de l’évaluation. Ces raisons, pour réelles qu’elles soient, ne sont qu’une partie des problèmes rencontrés par les enseignants lors d’une situation d’évaluation. Ce qui explique davantage cette problématique, c’est qu’il devient presqu’impossible pour les enseignants impliqués dans une tâche d’évaluation, de faire le partage entre la subjectivité : perception du réel et l’objectivité : concept de la mesure (Stake, 1969). Le but du présent article est de présenter une démarche systémique d’évaluation qui vise à intégrer trois approches : perceptive, rationnelle et fonctionnelle. La précision réciproque de ces trois niveaux de langage et les valeurs de stratégies résultantes, constituent dans le cadre de cette discussion un modèle d’évaluation systémique. Cet article se veut limité; nous voulons ouvrir un débat sur un domaine passablement difficile et désormais ouvert aux innovateurs.
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 | 0.082 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.010 | 0.008 |
| Open science | 0.003 | 0.004 |
| Research integrity | 0.004 | 0.003 |
| Insufficient payload (model declined to judge) | 0.016 | 0.006 |
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".