Approches psychométrique et didactique de la validité d’une évaluation externe en mathématiques : quelles complémentarités et quelles divergences ?
Bibliographic record
Abstract
Si la notion de validité fait l’objet de multiples recherches, notamment dans le champ de la psychométrie, elle n’a pas encore été beaucoup étudiée dans le cadre de la didactique des mathématiques. Nous proposons d’expliciter la façon dont les outils de ce champ de recherche, en particulier l’analyse a priori des tâches, peuvent être exploités pour apporter des preuves de validité complémentaires à celles de la psychométrie. Une première partie vise à proposer une méthodologie d’analyse et de conception du contenu d’une évaluation externe dans laquelle l’approche didactique de la validité est pensée en complémentarité de celle psychométrique. Nous illustrons, dans une deuxième partie, la mise en oeuvre de cette méthodologie sur l’étude de deux domaines mathématiques (l’arithmétique en fin d’école et l’algèbre en fin de collège) dans des évaluations menées nationalement en France à ces deux ordres d’enseignement.
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 | 0.147 | 0.415 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.003 | 0.003 |
| Bibliometrics | 0.007 | 0.006 |
| Science and technology studies | 0.003 | 0.022 |
| Scholarly communication | 0.020 | 0.020 |
| Open science | 0.004 | 0.009 |
| Research integrity | 0.004 | 0.009 |
| 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".