MétaCan
Menu
Back to cohort
Record W7038846861

La formation à distance : une source d'inspiration pour repenser l'évaluation ?

2022· other· fr· W7038846861 on OpenAlexaboutno aff

Bibliographic record

VenueR-libre (Université Téluq) · 2022
Typeother
Languagefr
FieldChemistry
TopicOrganometallic Compounds Synthesis and Characterization
Canadian institutionsnot available
Fundersnot available
KeywordsDistance measurementPopulationOrder (exchange)
DOInot available

Abstract

fetched live from OpenAlex

Le passage obligé par la formation à distance a suscité bon nombre de questionnements et de craintes \nrelatives à l’évaluation des apprentissages. Les enseignants ont souvent été pris au dépourvu et les \nmédias ont notamment relayé l’idée selon laquelle ce mode d’enseignement augmenterait les risques \nde plagiat et de tricherie (Poiré, 2020 ; Robillard et Boily, 2020; Thompson, 2020) et permettrait à \ncertaines entreprises de faire leurs choux gras en proposant des solutions technologiques de \nsurveillance des apprenants (Harwell, 2020). De fait, ces craintes ne sont pas nouvelles et Internet \nest pointé du doigt depuis longtemps dès qu’il est question de plagiat, ce dernier n’étant ainsi pas \nréservé aux étudiants à distance (Ison, 2014). D’autres études font également ressortir que le plagiat \net la tricherie ne sont pas nécessairement plus fréquents à distance qu’en présence (Tolman, 2017). \nForce est de faire l’hypothèse que l’augmentation des cas de plagiat ou tricherie pendant la pandémie \nest liée à la transposition de types d’évaluation conçus pour un mode présentiel, mais réalisés à \ndistance en raison de la situation. Or, de même qu’un cours à distance n’est pas une transposition \nd’un cours prévu pour être administré en classe, une évaluation à distance doit être conçue \nspécifiquement pour ce mode de formation. Dès lors, quelles évaluations sont proposées en \nformation à distance ? S’il est impossible, le temps d’une communication, de faire le tour de \nl’ensemble des types d’évaluation possibles à distance, il est cependant intéressant de soulever \ncertains types relativement peu utilisés en présence. \nNos propos se fonderont sur une analyse des types d’évaluation proposés dans l’ensemble des cours \ndu département Éducation de l’Université TÉLUQ spécialisée en formation à distance depuis \ncinquante ans. Nous présenterons cette grille d’analyse qui repose principalement sur les vingt \nquestions essentielles identifiées par Gérin-Lajoie et al. (2020). Nous verrons ainsi qu’au-delà des \ntests à correction automatique (style quiz) souvent associés à la formation à distance, divers types \nd’activités d’évaluation peuvent être proposés. Nous présenterons plus particulièrement des activités \nd’évaluation authentique (1), d’autoévaluation (2) et d’évaluation réflexive (3) en donnant quelques \nexemples concrets. \n(1) Les activités d’évaluation authentique peuvent se définir comme des activités ancrées dans \nla réalité et qui apparaissent significatives aux yeux des étudiants en dehors des murs de la classe, \nqu’elle soit physique ou virtuelle (Frey, Schmitt et Allen, 2012; Duval et Pagé, 2013). Ces activités \npermettent de s’adapter aux intérêts des étudiants et ce faisant de limiter les risques de plagiat et de \ntricherie. Les étudiants peuvent effectivement choisir leur sujet (en lien avec l’actualité, leur \nprofession, leur passion, leur famille, etc.) tout en témoignant de leur appropriation des concepts, \nnotions, compétences ou autres éléments développés dans le cours. Souvent plus motivant pour \nl’apprenant, ce type d’activité évite aussi la monotonie de la correction puisque chaque production est \nunique, bien que toutes puissent être corrigées selon les mêmes critères. \n(2) Les activités d’autoévaluation peuvent être comprises comme celles qui offrent aux apprenants \nl’occasion d’évaluer leurs apprentissages (Gérin-Lajoie, Hébert et Papi, 2021). \nDans certaines activités, une grille critériée, un solutionnaire ou de bonnes copies sont fournis aux \napprenants pour faciliter leur évaluation et favoriser l’uniformité des autoévaluations; dans d’autres, \nc’est aux apprenants de fournir leurs grilles ou de préciser de manière argumentée les éléments ayant \nconduit aux résultats de l’évaluation. \nPage 438 sur 526 \nÀ distance, la production de l’apprenant, à l’instar de la grille d’autoévaluation potentiellement \nfournie, peuvent être mises à disposition en ligne afin que le responsable du cours ou d’autres \napprenants aient directement les résultats de l’autoévaluation. L’apprenant peut être amené à évaluer \nautant le contenu de sa production que la manière dont elle a été produite. Parfois l’autoévaluation \npeut aussi porter, plus simplement, sur le respect des consignes. Une grille indiquant les différents \néléments devant être présentés dans le travail est alors fournie et il revient à l’apprenant de cocher \nces éléments pour vérifier que le travail est complet avant de le rendre. Dans ce dernier cas, la \ndémarche d’autoévaluation est plus limitée, mais ses bénéfices peuvent tout de même être \nintéressants en ce sens qu’elle peut amener l’étudiant à revoir son travail. \n(3) Les activités d’évaluation réflexive reposent quant à elles sur la mobilisation et le développement \ndes compétences métacognitives des apprenants. Il s’agit par exemple de demander aux apprenants \nde répondre à des questions en début et fin de cours puis de les amener à évaluer leurs apprentissages \nà l’aune des différences observées. Il peut également s’agir d’expliciter les objectifs en début de cours \net d’évaluer en fin de cours s’ils les ont atteints ou pas, en s’interrogeant sur les raisons et moyens \nmis en œuvre. De même, il peut être proposé d’évaluer sa participation aux discussions de groupes \net ses capacités à collaborer aussi bien que le processus d’apprentissage ou de réalisation des travaux \ndans le cours en cherchant à distinguer les manières de faire efficaces des moins efficaces, les \ndifficultés rencontrées et manières de les surmonter. Le point de vue réflexif ainsi développé peut \npermettre aux apprenants de mieux se connaitre et d’améliorer leurs stratégies d’apprentissage. \nNous en viendrons alors à discuter les forces et les limites de ces types d’évaluation en formation à \ndistance ainsi que leur pertinence dans l’enseignement et l’apprentissage en présence pour limiter \ndes faiblesses mises en avant depuis longtemps. En effet, les réflexions sur le plagiat, la tricherie, le \nstress imposé par les examens et les enjeux de l’apprentissage (superficiel ou en profondeur) allant \nde pair avec les méthodes d’évaluation sont largement antérieures au passage obligé à la distance \npendant la pandémie. Au Québec, le Conseil supérieur de l’éducation a souligné dans plusieurs \nrapports (CSE, 2018, 2020) les faiblesses des systèmes d’évaluation menant plus à un classement \nsélectif des apprenants, qui visent ainsi la réussite immédiate, qu’à un soutien favorable à la \nconstruction d’apprentissages mobilisables sur le long terme. Les chamboulements entraînés par la \npandémie et le passage à l’évaluation à distance peuvent ainsi être vus comme des opportunités de \nchangement de pratiques d’évaluation sur le long terme, aux différents ordres d’enseignement.

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 imitation

Not 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.

metaresearch head score (Codex)0.045
metaresearch head score (Gemma)0.106
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.045
Threshold uncertainty score0.239

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0450.106
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0040.003
Science and technology studies0.0120.030
Scholarly communication0.0340.052
Open science0.0040.030
Research integrity0.0090.016
Insufficient payload (model declined to judge)0.0270.010

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.

Opus teacher head0.012
GPT teacher head0.188
Teacher spread0.176 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreOther

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".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same venueR-libre (Université Téluq)Same topicOrganometallic Compounds Synthesis and CharacterizationFrench-language works237,207