Instruments de collecte et outils d’analyse qualitatifs : un défi pour évaluer la capacité à transférer
Bibliographic record
Abstract
Les outils permettant de mieux comprendre le transfert des connaissances et la capacité à transférer, particulièrement dans un contexte de mathématiques et de sciences sont rares, voire non disponibles. Devant cet état de fait, nous avons élaboré nos propres instruments nous inspirant de travaux en psychologie cognitive. La perspective du traitement de l’information a servi de cadre de référence pour juger et analyser les capacités de transfert auprès d’élèves de 4e secondaire. La méthode de recherche choisie, de nature qualitative, est principalement axée sur l’évaluation de la capacité à transférer des connaissances lors d’une épreuve et d’un entretien. Afin d’évaluer ce potentiel de transfert, nous avons élaboré deux outils : une épreuve mathématico-scientifique et un guide d’entretien. Pour la passation de l’épreuve, nous avons pu compter sur la collaboration de 130 sujets provenant de deux écoles secondaires. L’entretien complète la prise de données avec 13 sujets ayant accepté la poursuite de l’étude. Les données recueillies par ces instruments font ensuite l’objet d’une analyse de contenu et d’une correction qualitative des problèmes. La correction des réponses fournies pour les problèmes résolus s’est faite à partir d’une grille d’analyse qualitative et adaptée de la littérature.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.065 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.002 |
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; both teacher heads agree on what is shown here.
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".