Les personnes étudiantes, des complices essentielles au cœur de nos pratiques de rétroaction et d'amélioration continue
Bibliographic record
Abstract
La Faculté de génie de l’Université de Sherbrooke cultive un processus bien ancré d’amélioration de ses programmes, un levier pour plusieurs initiatives. Ses programmes de baccalauréat doivent être agréés par Ingénieur Canada en plus de se prêter à l’évaluation périodique institutionnelle, deux processus nécessaires et indispensables. De plus, d’autres pratiques d’évaluation sont courantes à la faculté, telle que des rencontres de session ou d’intendants avec toutes les parties prenantes, et autres coups de sonde, afin de garder la machine bien huilée entre les processus d’agrément et d’évaluation des programmes. L’objectif de la communication est de partager les bonnes pratiques de rétroaction en appréciation de l’enseignement, adaptées aux spécificités des programmes traditionnels et par apprentissage par problèmes et par projets en ingénierie (APPI) de la Faculté de génie de l’UdeS. Dans cette communication, nous débuterons par la présentation de la planification de la mise en oeuvre de ces pratiques d’évaluation. Ainsi, nous aborderons les moments des rencontres de session ou d’intendants et les rôles de chaque partie prenante dans la préparation de celles-ci. Ensuite, nous décrirons le déroulement de ces rencontres, pour le personnel enseignant et les personnes étudiantes, notamment en abordant les objectifs et le format privilégié. Par la suite, nous partagerons le mécanisme d’évaluation utilisé pour l’amélioration continue de ces rencontres. Puis, nous présenterons l’intégration de ces rencontres avec les autres processus de rétroaction et d’amélioration déjà en place dans les programmes. En terminant, nous ferons le portrait des retombées positives de ces mesures d’amélioration continue, et ce, tant pour les programmes, la qualité de l’enseignement, les personnes étudiantes et l’environnement d’apprentissage. La communication se conclura par une réflexion quant à la meilleure manière de profiter de ces rencontres afin d’en faire un outil pérenne et utile pour les prochaines évaluations institutionnelles et d’agrément.
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 | 0.016 | 0.026 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.019 | 0.013 |
| Scholarly communication | 0.016 | 0.010 |
| Open science | 0.002 | 0.011 |
| Research integrity | 0.005 | 0.010 |
| Insufficient payload (model declined to judge) | 0.020 | 0.006 |
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".