L’enquête de l’enseignant-évaluateur et du chercheur : l’abduction au coeur du processus et quelques raisons de les comparer
Bibliographic record
Abstract
L’article a pour objectif de mettre en rapport les processus d’inférence en jeu dans les jugements en acte des enseignants lorsqu’ils corrigent les copies de leurs élèves et dans l’activité interprétative des chercheurs qui étudient ces mêmes jugements évaluatifs. Les notions d’abduction et d’enquête sont convoquées pour questionner la construction de significations dans les deux pratiques sociales dont l’une, l’activité évaluative, doit assumer un rapport constitutif à la référence et à la norme. Par le jeu de la comparaison entre évaluation et recherche scientifique, la réflexion théorique et méthodologique proposée dans l’article souhaite montrer que le rapport entre ces deux enquêtes distinctes relève plus de la distance que de la séparation stricto sensu. Ainsi, il apparaît finalement possible de repenser les jugements évaluatifs situés des enseignants qui, dans certaines conditions restant encore à préciser, pourraient prétendre à un caractère épistémologique ou, en d’autres mots, de « construction de connaissances ».
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 | 0.036 | 0.072 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.006 | 0.028 |
| Scholarly communication | 0.015 | 0.018 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.008 | 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".