Composantes prises en compte dans l’évaluation de la compétence scripturale des élèves par des enseignants d’histoire du secondaire au Québec
Bibliographic record
Abstract
Depuis quelques décennies, des recherches suggèrent que nombre d’élèves québécois éprouvent des difficultés en écriture à la fin de leurs études secondaires, ce qui est préoccupant étant donné les exigences en matière de litéracie pour s’épanouir aujourd’hui. L’écriture constituant une compétence complexe, elle ne devrait pas être la préoccupation que des enseignants de français, comme le soulignent certains didacticiens de cette discipline. Ainsi, dans le cadre de notre recherche de maitrise , nous nous sommes intéressée à décrire les composantes de ladite compétence prises en compte par des enseignants d’histoire au secondaire lorsqu’ils évaluent les travaux de leurs élèves. L’analyse d’un questionnaire adressé aux enseignants et d’un corpus de textes d’élèves corrigés suggère que l’évaluation diffère d’un enseignant à l’autre; en outre, seules certaines composantes de la compétence sont systématiquement évaluées par tous les enseignants, certaines n’étant pas prises en compte dans l’évaluation.
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 | 0.007 | 0.016 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".