Communication A (15 h 30)
Processus de validation d’une version francophone du Classroom Assessment Fairness Inventory (CAFI)
Barbara Jochmans (Université de Mons, Belgique)
Marc Demeuse (Université de Mons, Belgique)
Dylan Dachet (Université de Mons, Belgique)

L’évaluation est omniprésente en contexte d’enseignement (Brookhart, 2018). Or, la docimologie (Dachet et al., 2026) a démontré que l’évaluation scolaire était affectée par des phénomènes de bruit et de biais (Kahneman et al., 2021) à l’origine d’inégalités (p. ex. Burgess et Greaves, 2013; Hinnerich et al., 2010). Si l’iniquité générée par l’évaluation est bien documentée, peu de recherches ont été réalisées sur les conceptions des enseignants à l’égard de celle-ci. À ce jour, les instruments développés ont pour objectif de mesurer les connaissances des enseignants en la matière (DeLuca et al., 2016). Le Classroom Assessment Fairness Inventory (CAFI) (Rasooli, 2021) a été développé afin de mesurer leurs conceptions de la justice en évaluation. Le CAFI présente la particularité de soumettre des enseignants à l’appréciation de situations de justice évaluative dans cinq scénarios : le travail en groupe, les examens, la tricherie, la notation et le feedback.

En 2025, Rasooli et ses collaborateurs ont conduit une étude de validation de cet instrument auprès de 228 futurs enseignants de l’Ontario. L’analyse factorielle confirmatoire n’a pas abouti à des indices d’ajustement satisfaisants pour le modèle conceptuel en cinq scénarios. Face à l’inadéquation du modèle, les auteurs ont recouru à une analyse factorielle exploratoire, laquelle a mis en évidence une structure en quatre facteurs : actes de communication évaluative, décisions de notation, réponses à la tricherie et décisions d’évaluation fermes. La présente étude constitue une réplication de cette étude princeps à partir d’un échantillon de 229 futurs enseignants belges. Nos AFC ne parviennent à confirmer ni le modèle conceptuel initial en cinq scénarios (CFI = 0,456; TLI = 0,419; RMSEA = 0,124; SRMR = 0,14), ni le modèle en quatre facteurs issu de l’AFE (CFI = 0,637; TLI = 0,605; RMSEA = 0,11; SRMR = 0,11).

Communication B (15 h 50)
La formulation d’indicateurs cohérents : un alignement stratégique entre la théorie et la pratique pour les projets éducatifs
Alain Huot (Université du Québec à Trois-Rivières)
André Villeneuve (Université du Québec à Trois-Rivières)

Cette communication s’adresse à toute personne qui souhaite réfléchir à — et expérimenter! — la cohérence d’indicateurs de performance liés au projet éducatif. Dans un contexte de gestion axée sur les résultats et de reddition de comptes, la formulation d’indicateurs de performance demeure un enjeu puisque les directions d’école, tout comme les autres personnels scolaires, sont peu formées à ce sujet. Ainsi, elles souhaitaient avoir un accompagnement pour la formulation d’indicateurs de performance solides, cohérents et ayant du sens pour l’équipe-école afin de mettre en œuvre efficacement le projet éducatif dans une perspective de partage du leadership.

L’objectif principal de cette communication est de permettre de comprendre et d’expérimenter l’importance de l’alignement des indicateurs pour la mise en œuvre d’un projet éducatif grâce à un outil d’aide à la formulation d’indicateurs de performance. Cette communication présuppose l’importance d’un leadership distribué (Spillane, 2006) et transformationnel (Leithwood & Jantzi, 2009) pour mobiliser l’équipe-école. Ce leadership s’actualise par l’utilisation d’une gestion visuelle efficace des données prenant en compte le contexte et la culture de l’organisation (Eberhard, 2023). Cette communication reprend des éléments d’une étude de cas qualitative interprétative combinant des entretiens semi-dirigés avec 10 leaders scolaires, l’analyse des artefacts visuels des salles de pilotage des écoles participantes et des observations de séances de travail collaboratif des gestionnaires réalisées auprès de quatre centres de services scolaires. Bien que cette recherche ait été menée à petite échelle avec un nombre limité de cas, elle semble indiquer la pertinence de l’utilisation de l’outil d’aide à la formulation d’indicateurs de performance dans un contexte de gestion du projet éducatif. Il sera intéressant de suivre son utilisation d’un point de vue longitudinal afin d’en évaluer les retombées à long terme, de même que la persistance de son utilisation par les équipes-écoles.

Communication C (16 h 10)
Soutenir l’intégration de la conception universelle de l’apprentissage dans l’évaluation post-secondaire grâce à l’IA : utopie ou réalité?
Frederic Fovet (Thompson Rivers University)
Rubina Siddique
Tony Piao Park

Cette présentation explore de façon compréhensive le potentiel que peut offrir l’IA aux enseignants du postsecondaire dans leurs efforts pour intégrer la conception universelle de l’apprentissage (CUA) dans le format de l’évaluation. Cette session interactive encourage les participants à (i) quantifier dans quelle mesure ils intègrent la CUA dans leur mode d’évaluation, (ii) clarifier s’ils ont entamé une réflexion sur l’aide que peut leur apporter l’IA et (iii) développer un « plan d’attaque » stratégique dans ce domaine qui puisse refléter les défis et les promesses de cette réalité en évolution constante.

La session propose trois angles de réflexion, en explorant tour à tour : (i) les résultats d’une étude canadienne, de type recherche-action et effectuée en partenariat avec des étudiants de deuxième cycle; (ii) un projet autoethnographique explorant l’usage de l’IA par l’auteur pour les besoins de l’observation trimestrielle de classe; et (iii) une étude de portée sur l’usage documenté que font certains collectifs étudiants de l’IA en matière d’accessibilité et d’inclusion à l’échelle globale. Ces trois études seront utilisées pour déclencher des discussions entre pairs et un engagement participatif dans la session.

Communication D (16 h 30)
Ce que l’intelligence artificielle capture, et ce qu’elle ne peut inférer, dans l’évaluation des compétences non techniques : enseignements d’une revue systématique Human-in-the-Loop
Alioum Alioum (Université de Montréal)
Nathalie Loye (Université de Montréal)
Neila Mezghani (Université TÉLUQ)
Johannes Ayena (Université TÉLUQ)

L’usage croissant de l’intelligence artificielle (IA) pour analyser les comportements humains suscite un intérêt marqué dans la formation en santé, notamment pour l’évaluation des compétences non techniques (CNT) en simulation médicale (Rajkomar et al., 2019). Des approches issues de l’IA comportementale et affective, telles que l’estimation de pose humaine (Human Pose Estimation, HPE) et l’analyse affective multimodale (Multimodal Affective Computing, MAC), promettent une objectivation fine, continue et potentiellement automatisée des mouvements, postures, interactions et états émotionnels des apprenants (Bkheet et al., 2023). Pourtant, leur contribution à l’évaluation des CNT demeure fragmentée, hétérogène et insuffisamment théorisée, notamment lorsqu’il s’agit de relier les signaux observables à des compétences complexes comme la communication, le leadership ou la collaboration (de Souza Baptista et Hayashibe, 2016).

Cette communication repose sur une revue systématique critique de la littérature (2014–2025), conduite selon PRISMA 2020 (Page et al., 2021). Elle cartographie les usages de la HPE et de la MAC, examine les niveaux d’analyse mobilisés (mouvement individuel, interaction dyadique et activité collective) et analyse la place accordée à l’humain dans les dispositifs évaluatifs. Trois constats émergent. Premièrement, les travaux recensés se focalisent majoritairement sur la performance technique des algorithmes et la détection de signaux observables, au détriment de la validité interprétative des indicateurs produits. Deuxièmement, les CNT sont souvent inférées à partir de proxies comportementaux peu ancrés théoriquement, ce qui expose à des risques de réductionnisme et de surinterprétation. Troisièmement, l’intégration de l’humain dans la boucle (Human-in-the-Loop) demeure marginale, l’IA étant surtout mobilisée comme outil de mesure plutôt que comme soutien au jugement expert. Nous défendons ainsi un cadre interprétatif multiniveaux articulant données algorithmiques et jugement expert, afin de préserver la complexité, la dimension située et la normativité des CNT, pour une évaluation réellement augmentée et éthiquement responsable.