Introduction au numéro thématique « Repenser l’évaluation de l’écriture pour mieux soutenir les apprentissages »
Bibliographic record
Abstract
Écrire est une compétence multidimensionnelle essentielle à la réussite scolaire et sociale. Son évaluation en contexte scolaire est particulièrement exigeante, car elle doit permettre, d’une part, d’attester des acquis des élèves et, d’autre part, de soutenir leurs apprentissages, en plus de reposer sur une diversité de pratiques et d’outils soutenant le jugement professionnel. Ce numéro thématique est l’occasion de faire le point sur cet enjeu scientifique et didactique en décrivant les pratiques d’évaluation de l’écriture déployées actuellement en salles de classe tant au primaire qu’au secondaire, mais aussi en proposant des outils d’évaluation issus de travaux de recherche récents qui ont le potentiel de soutenir le développement de la compétence scripturale des élèves tout en transformant les pratiques didactiques. Ce regroupement d’expertises invite à repenser l’évaluation de l’écriture comme un levier central au service des apprentissages, et ses conclusions sauront éclairer tant les pratiques enseignantes que les futures études dans le domaine de la didactique de l’écriture.
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 | 0.023 | 0.050 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.004 | 0.007 |
| Scholarly communication | 0.017 | 0.009 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.005 | 0.005 |
| Insufficient payload (model declined to judge) | 0.027 | 0.007 |
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".