Effets des coévaluations formatives élève – élève et enseignante – élève sur le développement de la compétence à communiquer oralement d’élèves du secondaire
Bibliographic record
Abstract
À travers la francophonie, l’évaluation formative est considérée par plusieurs chercheurs comme un facteur clé du développement de la compétence à communiquer oralement : elle favorise notamment la régulation des apprentissages (Colognesi, Vassart et al., 2020) et tend à diminuer le stress des apprenants à l’égard des présentations orales (Paquet, 2021). Pourtant, l’évaluation formative de l’oral est quasi absente des pratiques évaluatives des enseignants de français langue d’enseignement au niveau secondaire au Québec (Lafontaine et Messier, 2009; Vega, 2013). De plus, la coévaluation, moyen susceptible d’être mobilisé dans le cadre d’une évaluation formative de l’oral, semble méconnue des enseignants (Dumais, 2008; Sénéchal, 2012) et peu d’études ont été menées à son sujet. C’est pourquoi nos deux objectifs spécifiques sont les suivants : 1) mesurer des effets de la coévaluation formative sur le développement de la compétence à communiquer oralement d’élèves du secondaire; 2) décrire des raisons pouvant expliquer ces effets. Pour atteindre ces objectifs, nous avons réalisé une recherche par méthodes mixtes auprès de trois groupes-classes de première secondaire (élèves âgés de 12 et 13 ans). Une séquence d’enseignement a été mise en place, laquelle comprend l’ajout d’une coévaluation formative élève – élève dans le groupe expérimental 1 et d’une coévaluation formative enseignante – élève dans le groupe expérimental 2. Les données issues d’un prétest et un posttest ont fait l’objet de tests statistiques et les données découlant d'entrevues semi-dirigées ont été analysées à l’aide d’une analyse de contenu. En lien avec le premier objectif, les résultats saillants indiquent que les deux modalités de coévaluation expérimentées produisent un effet d’amélioration similaire. Concernant le deuxième objectif, la coévaluation élève – élève semble être un levier pour la motivation intrinsèque des élèves, les amenant à se sentir responsables de leurs apprentissages et à consacrer plus de temps à la préparation de leur exposé. La coévaluation enseignante – élève, pour sa part, favorise l’amélioration de la confiance en soi des apprenants, surtout lorsque ces derniers valorisent l’enseignante. Ces résultats offrent des pistes didactiques susceptibles de guider les enseignants dans la mise en place de leur propre démarche de coévaluation.
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 | 0.004 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
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".