Avantages et défis d’une communauté d’apprentissage pour dynamiser l’enseignement des sciences et de la technologie à l’élémentaire
Notice bibliographique
Résumé
Cet article présente les résultats d’une recherche portant sur une communauté d’apprentissage (CA) qui a permis à huit enseignantes franco-ontariennes de 5eet de 6eannée de s’engager dans une démarche d’amélioration de l’enseignement des sciences et de la technologie (S-T). L’analyse effectuée vise à mieux comprendre, à partir des témoignages des enseignantes, les avantages et les défis de la CA pour dynamiser l’enseignement des S-T. S’appuyant sur le cadre des trois dimensions de la communauté d’apprentissage de Schussler (2003), l’analyse de contenu (L’Écuyer, 1987) révèle que, selon la dimension cognitive, les enseignants disent apprendre des notions de sciences et de nouvelles approches pédagogiques. Sur le plan affectif, la communauté d’apprentissage leur apporte la motivation pour enseigner les S-T. Selon la dimension idéologique, la CA procure des bénéfices aux enseignantes au niveau de l’autonomie professionnelle. Finalement, certains défis de la CA, notamment l’importance de mieux répondre aux besoins cognitifs des enseignants en stimulant davantage leur zone d’apprentissage, sont discutés.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,009 |
| Communication savante | 0,011 | 0,007 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».