L’utilisation de l’évaluation dynamique dans le cadre du modèle de la RàI, au Secondaire, au Québec
Bibliographic record
Abstract
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 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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.011 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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; a candidate call from one teacher head, 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".