MétaCan
Menu
Back to cohort
Record W7104258303 · doi:10.71781/5902

L’utilisation de l’évaluation dynamique dans le cadre du modèle de la RàI, au Secondaire, au Québec

2022· dissertation· fr· W7104258303 on OpenAlexaboutno aff

Bibliographic record

VenuePapyrus : Institutional Repository (Université de Montréal) · 2022
Typedissertation
Languagefr
FieldPsychology
TopicEducational and Psychological Assessments
Canadian institutionsnot available
Fundersnot available
KeywordsContext (archaeology)HomogeneousPoison control

Abstract

fetched live from OpenAlex

Au Québec, le nombre d’élèves en difficulté d’adaptation et d’apprentissage (EHDAA) ne cesse d’augmenter (MEQ, 2021) et 40 % de ces élèves-là n’obtiendront pas de diplôme d’études secondaires (Guéricolas, 2018). Par conséquent, en 2020, la Réponse à l’intervention, modèle d’intervention à paliers multiples, prend de l’importance au Québec (MEES, 2020). Comme un pourcentage d’élève en difficulté ne progresse pas, nous nous questionnons sur l’approche d’évaluation qui permettrait d’informer le personnel scolaire sur les interventions qui pourront aider ces élèves. Une des approches est l’évaluation dynamique (ÉD) (Overton, 2016) qui permet d’évaluer le potentiel d’apprentissage de l’apprenant par le biais d’enseignement de stratégie (médiation). Le but de la présente étude est d’explorer les apports et les limites de l’ÉD dans un contexte de RàI, au secondaire. Pour ce faire, les objectifs spécifiques sont les suivants : 1) Décrire une passation d’ÉD (en particulier la relation des trois pôles : la tâche, l’apprenant ou le médiateur) réalisée auprès d’un ÉHDAA se trouvant au secondaire dans un contexte de RàI ; 2) Décrire la relation entre la tâche et l’apprenant de même que les interactions (interventions cognitives et disciplinaires, niveaux d’assistance) entre le médiateur et l’apprenant ; 3) Décrire la progression de l’apprenant en réponse aux stratégies de médiation. Afin d’atteindre les différents objectifs, nous avons dans un premier temps établi une liste de six niveaux d’assistance, inspirée de Aldama (2017), de façon à pouvoir identifier les stratégies cognitives et de médiation en fonction du niveau d’assistance, allant de peu d’assistance à une assistance extrême. Nous avons par la suite observé et analysé les enregistrements vidéo de deux sessions d’une évaluation dynamique et tenu un entretien avec la personne qui a réalisé l’ÉD pour valider nos interprétations. Dans nos analyses, nous avons tenu compte du dossier de l’apprenant et des différentes observations faites. Enfin, nous avons consigné le tout dans une grille d’observations et d’analyse de résultats. Par le biais des données secondaires récoltées, nous avons relevé un lien entre le niveau d’assistance et le type d’interventions faites, nous avons également relevé la progression de l’apprenant à la suite des interventions. En conclusion, nous avons été en mesure d’observer la relation des trois pôles, analyser les différentes interactions ainsi que la progression de l’apprenant en réponse aux stratégies de médiation. Nous avons identifié les apports et les limites d’une ÉD en contexte de RÀI. Finalement, ces informations nous ont permis de formuler de pistes d’intervention pouvant soutenir la progression d’un apprenant.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.567
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0110.001
Scholarly communication0.0000.000
Open science0.0010.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0020.000

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.

Opus teacher head0.015
GPT teacher head0.246
Teacher spread0.232 · 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 teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

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 venuePapyrus : Institutional Repository (Université de Montréal)Same topicEducational and Psychological AssessmentsFrench-language works237,207