Transitions de culture évaluative chez des futurs enseignants de l’enseignement secondaire
Bibliographic record
Abstract
En matière d’évaluation, les apprentissages professionnels des futurs enseignants supposent une double transition culturelle qui se caractérise par le passage d’une culture première en évaluation (d’ancien élève ou d’étudiant) à une culture seconde (professionnelle) (Nizet, 2013, 2015). Ces apprentissages impliquent la construction de concepts et de techniques propres au domaine de l’évaluation et agissent comme des appuis pour référencer les pratiques évaluatives (Vial, 2009), leur statut épistémologique évoluant au contact de l’activité professionnelle. Dans le cadre d’une recherche portant sur le processus d’« assessment literacy » de futur enseignants (Mertler, 2004, 2009; Willis, Addie & Klenowski, 2013) nous souhaitons comprendre comment évolue la reconfiguration de ces savoirs de formation dans le cadre d’échanges ayant eu lieu entre le stagiaire et son enseignant associé. Nous présentons le résultat d’une analyse d’échanges relatés par des futurs enseignants du secondaire portant sur des problèmes liés à l’évaluation des élèves durant leur stage. L’analyse met en lumière une évolution des valeurs attribuées aux savoirs de formation selon des critères de crédibilité, d’intelligibilité et de légitimité.
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 | 0.011 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.007 | 0.007 |
| Scholarly communication | 0.013 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| 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".