Du contrat didactique au contrat évaluatif : une grille de lecture pour mieux appréhender l’évaluation des apprentissages en pédagogie médicale
Bibliographic record
Abstract
Contexte et problématique : L’évaluation des apprentissages représente pour les enseignants l’un des actes les plus difficiles à réaliser dans le cadre de leur pratique pédagogique. Il faut rendre compte des apprentissages dans différents contextes (diagnostique, formatif ou sommatif) en s’appuyant sur une démarche rigoureuse, qui permettra de réaliser des interprétations valides afin de prendre les meilleures décisions possibles. Dans les disciplines des sciences de la santé dont la médecine, ces décisions sont souvent prises dans un contexte à enjeux critiques. Toutefois cela ne minimise en rien le poids de l’évaluation des personnes impliquées dans la formation des futurs professionnels de la santé. De plus, ces évaluations restent parcellaires, se fondant souvent sur des informations limitées, parfois ambiguës et imparfaites. Exégèse : Dans le cadre de cet article, nous présentons le concept de contrat évaluatif, emprunté au concept de contrat didactique, qui offre une grille de lecture qui nous semble pertinente afin de situer l’évaluation des apprentissages dans son contexte écologique. Dans un premier temps, nous présenterons le concept de contrat didactique en mettant l’accent sur ses caractéristiques pour ensuite tenter une définition. Nous enchaînerons avec des exemples tirés de situations pédagogiques authentiques où le concept de contrat évaluatif peut être mis à profit pour mieux les comprendre, les appréhender ou en tirer un meilleur parti.
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 | 0.042 | 0.066 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.005 | 0.028 |
| Scholarly communication | 0.016 | 0.017 |
| Open science | 0.003 | 0.007 |
| Research integrity | 0.007 | 0.019 |
| Insufficient payload (model declined to judge) | 0.008 | 0.003 |
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".