Évaluation formative et autorégulation des apprentissages des élèves : propositions méthodologiques pour l’analyse de processus in situ
Bibliographic record
Abstract
La recherche concerne l’étude des effets de différentes modalités d’évaluation formative sur l’autorégulation des apprentissages des élèves, dans le cadre de l’enseignement scientifique fondé sur l’investigation. Des indicateurs nous permettant d’analyser les processus in situ sont construits et deux situations d’enseignement sont comparées. La première porte sur l’évaluation formative que les enseignants mettent en oeuvre dans leur pratique quotidienne. La seconde concerne l’évaluation formative mise en oeuvre par les mêmes enseignants l’année suivante, à la suite d’un travail réflexif avec des chercheurs. Après avoir confirmé, par le biais d’une analyse statistique, que les enseignants mettent en oeuvre différentes modalités d’évaluation formative d’une année à l’autre, nous décrivons les pratiques évaluatives des enseignants et leurs effets sur les élèves. Nous observons un meilleur équilibre dans l’usage des différentes modalités d’évaluation formative par les enseignants dans la seconde situation ainsi qu’une autorégulation plus efficace des comportements des élèves dans la tâche proposée.
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 | 0.017 | 0.057 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 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".