Convergences entre l’évaluation des compétences et la pédagogie universelle : une réflexion théorique pour orienter la pratique enseignante dans les écoles primaires et secondaires au Québec
Bibliographic record
Abstract
Le Programme de formation de l’école québécoise vise le développement des compétences des élèves. Bien que cette approche ait été instaurée depuis plus de 20 ans, l’évaluation des compétences représenterait toujours un défi pour une partie du personnel enseignant. Qui plus est, ce défi est susceptible de s’accentuer dans le contexte actuel d’une diversité importante des élèves de la classe. À cet effet, le Conseil supérieur de l’éducation propose notamment la pédagogie universelle comme l’une des approches pédagogiques pouvant être préconisées par les personnes enseignantes pour tenir compte de la diversité. Cette dernière est constituée de trois grands principes qui visent à guider les pratiques enseignantes en matière de planification, de pilotage et d’évaluation des compétences. L’analyse de cette approche pédagogique permet de voir qu’elle est particulièrement pertinente lorsque la réalité de la diversité des élèves se conjugue avec celle de l’évaluation des compétences. Ainsi, l’article propose une réflexion de nature théorique sur les conditions gagnantes pour la mise en oeuvre de l’évaluation des compétences tout en respectant les principes de la pédagogie universelle. Essentiellement, quels sont Nadine Voilà la question qui oriente cet article.
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 | 0.026 | 0.037 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.008 | 0.004 |
| Science and technology studies | 0.007 | 0.025 |
| Scholarly communication | 0.016 | 0.013 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.003 | 0.004 |
| 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".