Évaluer l’oral quand on est enseignant ou chercheur : points de discussion et prises de décision dans la coconception d’une grille critériée
Bibliographic record
Abstract
Devant les difficultés des enseignants et des chercheurs à évaluer efficacement l’oral, les grilles critériées semblent une solution pertinente. Cependant, l’interprétation des critères de la grille varie en fonction du cadre de référence de l’évaluateur. Dans cette étude, une comparaison a été réalisée entre un groupe de cinq enseignants et un groupe de quatre chercheurs dans la conception de deux grilles critériées permettant d’évaluer la compétence à communiquer oralement des élèves de fin de primaire. Les résultats de notre analyse qualitative montrent que les difficultés, les modalités d’utilisation de la grille, les types de justifications et les solutions apportées par les deux groupes professionnels varient quelque peu. Les propos des enseignants sont plus ancrés dans le concret et fortement liés au contexte de la classe. Le groupe des chercheurs, quant à lui, s’est assuré que l’outil construit permet une mesure fine de la compétence à communiquer oralement et s’est interrogé sur l’organisation structurelle de la grille construite.
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 | 0.041 | 0.087 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.005 | 0.009 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.004 | 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".