Stratégies d'évaluation formative interactives selon différentes formes scolaires : les classes régulières, de maternelle et d'éducation physique
Bibliographic record
Abstract
Comme dans plusieurs pays de l’OCDE, le Québec a opté pour une rénovation curriculaire \nfondée sur une approche par compétences depuis 2001. L’une des principales problématiques \nsoulevées autour de cette approche concerne l’opérationnalisation de l’évaluation des \ncompétences pour les enseignant(e)s. Dans le cadre de cet article, nous exposons et mettons \nen discussion les stratégies interactives d’évaluation formative (non instrumentées) \nd’enseignantes du préscolaire et du primaire mobilisées dans le cadre de cette approche. Ces \nstratégies sont examinées à la lumière des différentes « formes scolaires » (Vincent, 1980) qui \ncaractérisent le contexte de travail des enseignantes. L’analyse réalisée identifie des stratégies \ncommunes aux trois formes scolaires, mais met surtout en relief des spécificités, soit la \nprépondérance d’une perspective normative en classe régulière, de responsabilisation en \nclasse d’éducation physique et de différenciation en classe maternelle. En cela, certains \ncontextes paraissent plus propices à l’évaluation formative des compétences.
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 | 0.112 | 0.167 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.004 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.015 | 0.009 |
| Open science | 0.003 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".