Le processus de construction du jugement évaluatif par les superviseurs de stage en enseignement
Bibliographic record
Abstract
Dans le contexte de la formation initiale des enseignants en Belgique francophone, cet article s’intéresse aux stages, plus précisément à la construction du jugement évaluatif des superviseurs durant la coévaluation. Il a pour objectif d’analyser les jugements évaluatifs produits par les superviseurs afin d’identifier si ceux-ci respectent les caractéristiques du jugement professionnel en évaluation, plus particulièrement la singularité de la situation. Cette contribution vise alors à répondre aux deux questions suivantes : Le jugement évaluatif du superviseur respecte-t-il les caractéristiques du jugement professionnel en évaluation ? Dans quelle mesure la singularité de la situation influence-t-elle ce jugement évaluatif ? Pour ce faire, nous avons réalisé des entretiens individuels de huit superviseurs issus d’un même institut de formation. L’analyse du contenu appliquée aux données récoltées a permis de mettre en évidence les caractéristiques du jugement professionnel mis en oeuvre, mais aussi la manière dont les aspects singuliers relatifs au contexte de stage sont pris en compte dans la construction du jugement évaluatif.
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 | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| 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".