skip to main content skip to footer

 

Actualités et analyses ETS

 

Évaluations « bienveillantes » : une approche pour soutenir l’apprentissage personnalisé

9 décembre 2021

Les élèves vivent des expériences d’apprentissage avec une grande variété de connaissances, de compétences, d’opportunités d’apprentissage et d’expériences vécues. Les bons enseignants reconnaissent et célèbrent cette diversité — ils savent que le processus d’apprentissage n’est pas universel et visent un enseignement individualisé et personnalisé qui réponde aux élèves là où ils en sont et les aide à avancer. Bien que les évaluations aient souvent lieu à la fin du processus d’apprentissage, les évaluations standardisées typiques ne sont pas sensibles à cette large gamme de variations individuelles, ni aux contextes dans lesquels l’apprentissage a lieu. Tout comme pour l’apprentissage, cette approche universelle présente des limites claires pour l’évaluation.

Et s’il existait une évaluation numérique plus personnalisée, qui prenait en compte ces différences contextuelles et au niveau de l’élève et qui posait un niveau de défi approprié, donnant lieu à des tâches à la fois plus engageantes pour les élèves et valides pour soutenir d’autres usages des données fournies (par exemple, pour orienter l’enseignement, fournir des retours, offrir des conseils juste à temps, etc.) ?

C’est la vision que nous avons pour les évaluations « bienveillantes » — des évaluations qui prennent en compte des aspects de l’élève qui ne sont pas pris en compte dans les évaluations standardisées actuelles. Ces aspects incluent les connaissances, compétences et autres caractéristiques cognitives, métacognitives et socio-émotionnelles pertinentes (parfois appelées attributs non cognitifs), ainsi que des aspects du contexte d’apprentissage, afin de créer des environnements d’évaluation offrant des conditions appropriées permettant aux élèves de démontrer ce qu’ils savent et peuvent faire.

 

 

Qu’est-ce que les évaluations « bienveillantes » ?

Les évaluations « bienveillantes » offriraient une expérience d’évaluation personnalisée, avec différentes configurations de tâches pouvant être attribuées aux élèves en fonction des informations disponibles à leur sujet à l’avance, par exemple des connaissances préalables. Dans un contexte formatif, les évaluations personnalisées et « bienveillantes » pourraient également offrir un soutien en temps juste à temps pour aider les élèves à comprendre et accéder à la tâche, à réengager les élèves susceptibles de ressentir du désengagement, et à proposer des formats de réponse permettant aux élèves de démontrer au mieux ce qu’ils savent et peuvent faire. Dans cette approche, certains aspects du contexte de l’évaluation sont soigneusement pris en compte afin que l’évaluation elle-même puisse aboutir à une expérience d’apprentissage positive, sûre et motivante, où les élèves peuvent non seulement démontrer ce qu’ils savent, mais aussi se préparer à un apprentissage futur dans des domaines connexes.

Les rapports de score et les retours issus de ces évaluations « bienveillantes » peuvent également fournir des informations enrichies sur les élèves afin d’offrir aux élèves, enseignants, parents et tuteurs une image nuancée des points forts et des opportunités de croissance des élèves. Ces rapports seraient contextualisés en termes de caractéristiques des élèves et de changements importants dans le format de l’évaluation qui affecteraient l’interprétation et l’utilisation des résultats. Les retours peuvent être adaptés en fonction de ce que l’évaluation sait de l’élève, ce qui pourrait augmenter la probabilité que les élèves, enseignants et parents ou tuteurs interprètent ces retours comme mettant en lumière des opportunités de croissance, rendant plus probable qu’ils agissent sur ces retours.

 

Comment les évaluations « bienveillantes » pourraient-elles soutenir l’apprentissage personnalisé ?

Les évaluations « bienveillantes » pourraient s’adapter dynamiquement à différentes caractéristiques des élèves qui vont au-delà des informations démographiques habituelles collectées et rapportées par les évaluations — y compris les connaissances contextuelles, la motivation, l’auto-efficacité et les émotions.

La mise en œuvre de ce type d’adaptations nécessite une solide compréhension des caractéristiques pertinentes des élèves — basée sur des mesures valides et fiables — afin d'« ajuster » l’évaluation dès le départ, ainsi que la capacité de suivre le comportement des élèves en temps réel pendant l’évaluation afin d’effectuer des ajustements dynamiques au moment le jour dans les tâches. Le système d’évaluation doit être capable de détecter les preuves pertinentes et d’utiliser ces informations pour sélectionner et réaliser l’adaptation souhaitée.

Certaines de ces adaptations proposées modifieraient significativement la structure de l’évaluation — par exemple, certains élèves pourraient répondre à des questions supplémentaires qui ne sont pas soumises à d’autres élèves ou pourraient être évaluées selon des grilles d’évaluation quelque peu différentes. Plus les tâches d’évaluation sont contextualisées et personnalisées, plus il est difficile de comparer la performance de manière standardisée entre individus. Malgré cette tension, nous pensons qu’il y a un grand potentiel dans l’approche « bienveillante » proposée. Nous notons que notre vision de l’évaluation « bienveillante » est cohérente avec la notion de « sens conditionnel de l’équité » de Bob Mislevy — c’est-à-dire considérer « l’équité conditionnelle » en termes d’utilisation d’informations contextuelles sur le parcours des élèves pour adapter les conceptions d’évaluation et les règles de notation afin d’obtenir des preuves plus nuancées sur les capacités des élèves divers à la lumière des contextes dans lesquels ils apprennent et des ressources qu’ils apportent à l’expérience d’apprentissage.

 

Questions essentielles pour la mise en œuvre des évaluations « bienveillantes »

Bien que cette vision de l’évaluation « bienveillante » semble simple, plusieurs questions cruciales doivent être résolues pour concrétiser ces évaluations.

Tout d’abord, nous devons considérer quel ensemble de caractéristiques et de variables contextuelles de l’élève sont les plus importants à suivre dans le modèle de l’élève ? Pour répondre à cette question, des recherches devraient être menées auprès de populations larges et diverses afin d’examiner comment une large gamme de caractéristiques interagit avec la performance et l’engagement des tâches.

Deuxièmement, lorsque des problèmes de (mauvais) performance ou de (dé)engagement sont détectés, comment et quand le système doit-il intervenir ? Quelles adaptations offriront aux élèves les meilleures occasions de démontrer leurs connaissances et compétences ? Pour répondre à ces questions, nous devons tester différentes modifications et examiner quels sous-groupes d’élèves bénéficient de quelle combinaison de soutiens ou de variations de tâches ; ce travail serait essentiel pour garantir que les modifications ou interventions ne nuisent à aucun sous-groupe d’élèves.

Enfin, quels types de résultats d’évaluation doivent être communiqués aux différents acteurs afin de soutenir une utilisation appropriée de ces résultats. Quelles sont les implications pour fournir des scores résultant d’évaluations attentives ? Comment pouvons-nous contextualiser de manière appropriée les résultats des évaluations tout en conservant de bonnes propriétés de mesure ? En d’autres termes, comment améliorer l’équité et l’utilité sans sacrifier la fiabilité et la validité ?

Notre approche de la conception d’évaluations « bienveillantes » pourrait fournir des informations très nuancées et précises à utiliser pour soutenir l’enseignement et le développement des compétences en fonction de l’endroit où en sont les élèves, où ils ont été et où ils vont.

Jesse R. Sparks est chercheur principal à l’ETS. Blair Lehman est chercheur scientifique à l’ETS. Diego Zapata-Rivera est nommé par le président distingué et directeur principal de la recherche à l’ETS.