L’évaluation formative : pratiques d’évaluation en classe et dilemmes du personnel enseignant dans la mise en oeuvre
Bibliographic record
Abstract
Cette recherche examine l’état actuel des connaissances, des contraintes et des défis existants dans la pratique de l’évaluation formative chez des enseignants du primaire au Chili. Les résultats de 17 entretiens semi-dirigés réalisés à la suite d’une formation de dix ateliers de développement professionnel indiquent que le personnel enseignant de l’étude démontre une préoccupation à repenser ses pratiques évaluatives en classe. Cependant, une approche traditionnelle reste mobilisée en raison, d’une part, du manque de formation et, d’autre part, de la forte concentration du système éducatif sur l’évaluation standardisée. Les analyses fournies dans l’étude révèlent des tensions dans la quête d’équilibre entre les évaluations formatives et sommatives. Or, les réflexions posées sur les connaissances des enseignants à l’égard des défis rencontrés dans leurs pratiques peuvent alimenter les réflexions pédagogiques quant à l’impact des évaluations standardisées sur les pratiques des enseignants et sur les apprentissages mathématiques des élèves.
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 | 0.147 | 0.251 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.006 | 0.007 |
| Scholarly communication | 0.013 | 0.008 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.009 | 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".