L’évaluation de la compétence dans le contexte professionnel
Bibliographic record
Abstract
Toute profession est organisée autour d'un corpus global de connaissances, de savoir-faire, d'applications pratiques et de règles qui imposent qu'il y ait une formation et un entraînement particuliers des individus qui en font partie. La compétence professionnelle, définie comme la capacité d'un professionnel à utiliser son jugement, de même que les connaissances, les habiletés et les attitudes associées à sa profession pour résoudre des problèmes complexes, est un construit non observable directement. Pour l'évaluer, il faut faire des inferences à partir d'éléments observables et mesurables. Mais comment faire? Le présent article explique pourquoi on doit évaluer la compétence professionnelle et comment l'évaluer. Les auteurs décrivent l'expertise du Centre d'évaluation des sciences de la santé de l'Université Laval qui, depuis plus de dix ans, utilise l'examen clinique objectif structuré, ECOS, pour la certification des candidats à la pratique de la médecine de famille au Québec, un instrument qui a largement démontré sa validité et sa fidélité.
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 | 0.022 | 0.040 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.007 | 0.005 |
| Science and technology studies | 0.002 | 0.010 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| 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".