L’évaluation du retour sur les attentes à l’aide du cycle de Construction et de gestion qualité des évaluations de l’impact des formations (cycle CGQEIF)
Bibliographic record
Abstract
Les évaluations de l’effet des formations sont peu pratiquées, notamment parce que les évaluateurs manquent d’instruments méthodologiques facilitant leur mise en oeuvre. Les auteurs présentent une recherche-développement (R-D) qui a abouti à une méthode d’évaluation des retours sur attentes (ROE) en formation qu’ils ont intitulée cycle de Construction et de gestion qualité des évaluations de l’impact des formations (cycle CGQEIF). Ce cycle a été mis à l’essai dans deux contextes de formation continue : une première fois, dans le secteur de la santé avec une formation d’assistants techniques spécialisés en salle d’opération (ATSSO) et ensuite, dans le cadre d’un module de formation de directeurs d’institutions de formation (FORDIF) en éducation. Les résultats des deux mises à l’essai nous ont permis d’améliorer la méthode et d’en renforcer la pertinence. Les leçons que nous en tirons seront exploitées lors d’une troisième mise à l’essai dans le contexte de l’enseignement supérieur.
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 | 0.080 | 0.200 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.007 | 0.005 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.003 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.015 | 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".