Nature et qualité des recommandations émises dans les rapports d'évaluation périodique des programmes universitaires
Bibliographic record
Abstract
De nombreuses recommandations d’amélioration sont formulées au terme de l’évaluation périodique des programmes universitaires au Québec. Cette étude exploratoire vise à examiner, en utilisant l’avis d’experts, la nature des recommandations et à évaluer la qualité de celles-ci. Les résultats montrent que la majorité des recommandations porte principalement sur les moyens d’un programme, tels que définis par le modèle de Plante et Bouchard (2002), par exemple les cours et leur contenu pédagogique, les stratégies d’enseignement et les formations pratiques. Les résultats de l’évaluation du contenu des recommandations mettent en évidence un problème au niveau de la qualité de la formulation, particulièrement en ce qui a trait à l’identification des acteurs responsables de l’actualisation, à l’explicitation des améliorations souhaitées et à l’attribution de mesure objective pour évaluer leur niveau de mise en œuvre. Des bonnes pratiques sont proposées à cet égard. Cette étude démontre l’importance de poursuivre la recherche dans cette voie. Mots-clés : recommandation, évaluation de programme, évaluation périodique des programmes, programme d’études, Québec, qualité de la formulation, enseignement universitaire, modèle de Plante et Bouchard (2002).
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 | 0.371 | 0.532 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.007 | 0.008 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.013 | 0.007 |
| Open science | 0.005 | 0.006 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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; the direct Gemma label and the distilled Codex classifier 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".