Evaluer une stratégie de résolution de problèmes
Bibliographic record
Abstract
L'ÉVALUATION FORMATIVEDans l'acquisition d'une habileté cognitive, l'évaluation formative doit être fréquente.Elle permet à l'élève de réorienter en tout temps son apprentissage et ainsi de mieux progresser.Il faut prévoir, à toutes les étapes de développement de l'habileté, des modalités adéquates qui seront de nature à informer correctement l'élève de ses progrès et de ses difficultés et à lui fournir le soutien nécessaire.L'ensemble des dimensions ou des cibles d'apprentissage reliées à l'acquisition d'une démarche de résolution de problèmes doit faire l'objet d'une évaluation formative.On peut utiliser les modalité suivantes.© Rétroactions verbales fournies en classe sur l'utilisation des connaissances, l'élaboration de la représentation du problème (pertinence des données, liens établis, inférences produites), les stratégies de résolution empruntées, la valeur de la solution choisie, les résultats obtenus, les attitudes.© Rétroactions verbales ou écrites sur les schémas, les diagrammes, les textes synthèses produits par les élèves et traduisant leur compréhension du problème, sur leurs hypothèses de solutions et la justification de celles-ci, sur le résultat obtenu.© Analyses critiques des procédures de résolution par les pairs.© Tenue d'un journal de bord avec rétroaction du professeur sur l'évolution des apprentissages.© Utilisation de grilles d'autoévaluation individuelle ou d'équipe.© Utilisation des difficultés et des erreurs de parcours pour faire progresser les 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 | 0.008 | 0.019 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.018 | 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".