Bibliographic record
Abstract
Ce projet de recherche, portant sur l'évaluation interactionnelle, vise à répondre à trois questions de base quant à l'évaluation de l'interaction orale dans les cours d'espagnol (A1-B2) de niveau collégial et universitaire de la région métropolitaine de Montréal, à savoir, quels sont les buts de l'évaluation, que devrait-on évaluer et comment faudrait-il l'évaluer. Il s'agit d'un modèle d'évaluation différent qui repose sur une série d'outils servant à mesurer la conversation élève-élève dans la classe d'espagnol langue étrangère. L'étroite relation qui unit les processus d'enseignement, d'apprentissage et d'évaluation est au coeur de la définition du modèle d'évaluation interactionnelle et permet d'identifier les contenus interactionnels à enseigner et à évaluer. D'un côté, la recherche identifie les habiletés conversationnelles à partir desquelles l'interaction orale se manifeste et de l'autre, elle s'intéresse aux marqueurs du discours jouant un rôle essentiel dans la création d'un message dialogué et construit de façon collaborative. Cette notion de coopération représente une des lignes directrices de la thèse en impliquant que les élèves partagent la responsabilité au moment de produire une discussion équilibrée, fluide et le plus naturelle possible. Reproduire en situation d'examen les mêmes conditions que celles qui caractérisent les conversations les plus fréquentes en situation réelle, c'est-à-dire, celles que l'on retrouve dans la vie de tous les jours et dont le registre est neutre et informel, constitue un des défis que l'évaluation interactionnelle réussit à relever. La création d'un répertoire contenant les marqueurs discursifs les plus utiles au développement de la compétence interactionnelle dans les cours d'espagnol représente un autre élément central de la thèse, pour avoir rendu possible la réalisation de trois analyses: la représentativité des caractéristiques propres à l'interaction orale dans les manuels d'espagnol langue étrangère les plus employés dans la région métropolitaine de Montréal, la révision de vingt instruments d'évaluation existants et la présentation des résultats obtenus après avoir enregistré plus de cent conversations au moyen des épreuves orales créées à partir de l'évaluation interactionnelle. Pour ce qui est des instruments de mesure, le modèle s'appuie sur le portfolio oral qui réunit deux types d'examens oraux, les quiz oraux et les examens oraux séquentiels, en plus d'insister sur les critères de correction exclusivement liés à l'interaction orale et sur les techniques de correction les plus efficaces pour assurer le caractère systématique du processus d'évaluation. Les résultats les plus concluants du projet de recherche reposent sur le fait d'avoir confirmé un lien entre la présence des marqueurs du discours et l'obtention de conversations collaboratives. Pour les cours d'espagnol langue étrangère, la contribution la plus significative de la recherche se situe au niveau de la création d'outils flexibles, faciles à utiliser, qui montrent clairement quoi enseigner pour que les élèves apprennent à converser et comment évaluer cette compétence. Finalement, l'évaluation interactionnelle propose des techniques d'évaluation actuelles qui prévoient l'utilisation des nouvelles technologies et fournissent une rétroaction de qualité, de sorte que l'apprenant voie les progrès réalisés et sache comment s'améliorer.
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 | 0.076 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.011 | 0.010 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.023 | 0.005 |
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".