Auto-évaluation d’élèves et prédiction de l’évaluation de l’éducateur physique à leur égard : incidences sur leurs comportements en éducation physique
Bibliographic record
Abstract
Les objectifs de cette étude étaient (1) d’analyser l’auto-évaluation d’élèves et leur prédiction de l’évaluation de leur enseignant d’éducation physique et (2) de vérifier leur relation avec les comportements qu’ils disent adopter en classe d’éducation physique. Un total de 891 élèves (418 filles, 473 garçons) et huit enseignants ont participé à l’étude. L’écart entre l’auto-évaluation des élèves et leur prédiction de l’évaluation de leur enseignant a été mesuré pour leur niveau performance, leur niveau de discipline et l’intensité de leurs efforts. Les résultats montrent que plus les élèves s’estiment sous-évalués par leur enseignant sur ces trois dimensions, moins ils tendent à rapporter l’adoption de comportements positifs durant les cours d’éducation physique, les garçons signalant encore moins de comportements positifs. Ces résultats suggèrent que la perception qu’ont les élèves de ce que leur enseignant pense d’eux a un impact sur ce qui se passe en classe d’éducation physique.
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 | 0.010 | 0.026 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".