Quand des enseignants de l’école primaire évaluent des résolutions de problèmes additifs : étude des incidents critiques en cours de jugement
Bibliographic record
Abstract
L’étude empirique présentée dans cet article examine le jugement évaluatif d’enseignants de l’école primaire genevoise lorsqu’ils attribuent des notes certificatives, plus particulièrement dans des contrôles écrits proposant des exercices de résolution de problèmes additifs. Les questions de recherche portent, d’une part, sur les caractéristiques des contrôles écrits élaborés par les enseignants. Elles portent, d’autre part, sur le jugement des enseignants quand ils verbalisent leur pensée en cours d’évaluation. À partir de l’analyse d’incidents critiques observés pendant la correction des travaux des élèves, les résultats de recherche donnent à voir la préoccupation des enseignants à comprendre le raisonnement mathématique des élèves, les amenant à devoir faire face à des réponses imprévues et singulières qui nécessitent une spécification de leurs référents. Les analyses entreprises débouchent sur la conceptualisation de différents cas de figure entre des jugements analytiques et holistiques, dont la mise en tension constructive peut être vue comme un enjeu majeur de développement pour l’évaluation d’apprentissages complexes, dont la résolution de problèmes de mathématiques.
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 | 0.037 | 0.080 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.018 | 0.022 |
| Scholarly communication | 0.017 | 0.010 |
| Open science | 0.003 | 0.011 |
| Research integrity | 0.005 | 0.008 |
| Insufficient payload (model declined to judge) | 0.006 | 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".