Régulation et évaluation des compétences en enseignement
Bibliographic record
Abstract
Les décisions prises dans chaque activité d’enseignement à propos des niveaux de compétences à atteindre par les futurs enseignants et enseignantes participent à leur éventuelle accréditation dans le métier. D’où l’importance d’étudier la validité de ces décisions. Des chercheurs en éducation de l’Université du Québec à Trois-Rivières et de la Haute école pédagogique de Lausanne se sont rencontrés pour réfléchir à ce sujet. Les cours théoriques ne permettent-ils pas tout au plus de prédire un niveau de compétence ? Dans quelle mesure l’évaluation en situation de stage estelle juste, considérant que le contexte (école, enseignant associé, etc.) varie ? Sur quels référents se baser pour mesurer les compétences quand peu de chercheurs s’entendent sur les caractéristiques du « bon enseignement » ? Les auteurs proposent des pistes de réflexion pour rationaliser les pratiques de régulation et d’évaluation des compétences professionnelles.
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 | 0.003 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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; both teacher heads agree on what is shown here.
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".