Bibliographic record
Abstract
Un mot du rédacteurLa RCÉP vol.31, n o 1 regorge d' occasions d'apprentissage pratique entremêlées de recherche sur l' évaluation qui améliorent notre compréhension théorique de l' évaluation et font progresser sa pratique.Carreau et al. lancent le bal, avec une étude résolument empirique.L' équipe a non seulement eff ectué de la recherche sur l' évaluation, mais a aussi utilisé ses conclusions pour cerner des faiblesses dans les méthodes actuelles d' évaluation dans le domaine de l' éducation interprofessionnelle et de la pratique collaborative.Il s'agit d'un excellent exemple d'une recherche bien exécutée sur l' évaluation qui a des applications pratiques directes.Les trois prochains articles complets décrivent des innovations dans les démarches et les méthodes d' évaluation.L' étude d' évaluabilité est trop souvent oubliée et fait rarement l' objet de discussions.Le texte en français de Soura et al. permet à l' étude d' évaluabilité de prendre vie.Les lecteurs devraient noter l'utilité d'une bonne étude d' évaluabilité et auront peut-être le goût d'ajouter cette composante à leur boîte à outils d' évaluation.Michelle Searle et Lyn -Shulha nous ouvrent les yeux sur la recherche fondée sur les arts comme outil méthodologique d' évaluation.Je me rappelle avoir été fasciné par l' exposé de Michelle sur cette approche, lors de la conférence de la Société canadienne d' évaluation, et je suis ravi de voir l'article publié ici, ce qui permettra à d'autres d'apprendre, d'adopter et d'adapter.Le dernier article de recherche, par Arsenault et al., nous emporte dans le monde sombre et oui, apeurant, des prisons, pour nous montrer comment nous pouvons adapter notre démarche à des contextes inusités et complexes.Les quatre courts articles de la section des notes sur la pratique en évaluation montrent la grande variété de la pratique de l' évaluation.Je crois que le texte de Williamson et al. est une primeur pour la RCÉP et la Société canadienne d' évaluation : un article publié par des étudiants participants, sur la façon dont le Concours de simulation d' évaluation a contribué au développement de compétences précises en évaluation.Nutter et al. attirent notre attention sur les défi s et les solutions liées à la tenue d'une « évaluation des besoins » -une activité que les évaluateurs doivent souvent eff ectuer, et qui pourtant, diront certains, n' est pas une démarche d' évaluation typique.Henson soutient que les questions d' évaluation standardisées peuvent être modifi ées pour évaluer la qualité des données générées par les programmes à des fi ns d' évaluation -un plaidoyer en faveur d' évaluateurs aidant autrui en vue d'aider les évaluateurs.Et Renger fait un retour parmi nos pages avec quelques collègues pour nous faire part de la façon
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 | 0.016 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.000 |
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 teacher head, 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".