Analyse des stratégies évaluatives et des modalités de collaboration mises en place par des enseignants du primaire pour favoriser l’évaluation en contexte d’éducation inclusive
Bibliographic record
Abstract
Depuis le début des années 2000, plusieurs injonctions internationales rappellent aux pays occidentaux de mettre le cap sur l’éducation inclusive afin d’assurer un accès à une éducation de qualité pour l’ensemble des élèves (Vienneau & Ramel, 2016). À cette même période, comme le mentionne le Conseil supérieur de l’éducation, le système scolaire québécois s’est tourné progressivement vers l’intégration scolaire des élèves, puis vers l’éducation inclusive. Plusieurs études se sont intéressées à l’évaluation, mais peu d’entre elles l’ont fait en contexte d’éducation inclusive. Pourtant, nous retrouvons de plus en plus d’élèves HDAA dans les classes et plusieurs de ces jeunes doivent surmonter des défis qui ne sont pas toujours identifiés, d’où l’importance de trouver des stratégies évaluatives favorisant l’éducation inclusive. Ainsi, dans le cadre de cette recherche qualitative interprétative, nous nous posons la question suivante « Quelles sont les stratégies évaluatives et les modalités de collaboration favorisant l’éducation inclusive de tous les élèves dans nos classes du primaire ? » En lien avec cette question, nous poursuivons trois objectifs spécifiques qui sont : 1- De dégager les stratégies évaluatives mises en place par les enseignants du primaire; 2- Identifier les modalités de collaboration facilitant l’évaluation dans un contexte d’éducation inclusive; et 3-Analyser les stratégies évaluatives des enseignants du primaire les plus favorables dans un contexte d’éducation inclusive pour tous les élèves. Un questionnaire a été proposé sur des groupes Facebook en lien avec l’éducation primaire. De plus, des entrevues semi-dirigées ont été utilisés afin de recueillir les différentes données qui ont par la suite fait l’objet d’une analyse. L’évaluation en contexte d’éducation inclusive demande la collaboration et l’implication de tous les acteurs du milieu de l’éducation. Les résultats obtenus démontrent que les 26 enseignants qui ont participé à l’étude utilisent de nombreuses stratégies afin d’avoir l’évaluation la plus représentative possible des connaissances des élèves. Ils n’hésitent pas à faire preuve de flexibilité et à mettre plusieurs adaptations en place pour la réussite de l’ensemble de leurs élèves. Finalement, sur le plan scientifique, cette recherche présente des apports puisqu’elle a permis de documenter les différentes stratégies utilisées par les enseignants au niveau primaire et nous croyons que les résultats que nous avons obtenus pourraient amener d’autres chercheurs à se pencher sur ce sujet.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.014 | 0.000 |
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; both teacher heads 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".