Perte de résonance dans l’évaluation des apprentissages en formation à distance : l’apport de l’éthique de la bienveillance et de la responsabilité
Bibliographic record
Abstract
L’acte d’évaluer n’est jamais neutre en éducation. En classe, les notes soulèvent, par exemple, des questionnements en lien avec l’impartialité et l’objectivité des évaluations. Des repères éthiques sont requis pour y répondre. Alors que le numérique suscite des défis en évaluation (plagiat et confidentialité), peu d’écrits décrivent les enjeux éthiques posés par l’évaluation en formation à distance (FAD). Cet article vise à comprendre les préoccupations éthiques reliées au numérique dans l’évaluation en FAD. Une recherche phénoménologique menée auprès de 10 professeures et professeurs montre qu’en FAD, le numérique entraîne une absence de liens interpersonnels. Les rétroactions médiatisées provoquent une perte de résonance et désynchronisent le rapport à autrui. L’éthique de la bienveillance et de la responsabilité suscite des repères pour créer de nouveaux liens. Prendre soin de l’autre, pour sa réussite, est alors saisi comme une responsabilité professionnelle des professeures et professeurs en évaluation, en formation traditionnelle aussi bien qu’en FAD.
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 | 0.028 | 0.055 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.007 | 0.015 |
| Scholarly communication | 0.012 | 0.008 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.007 | 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".