Conduite de l’entretien auprès des jeunes scolaires : le cas de l’autoconfrontation dans une approche « orientée – activité »
Notice bibliographique
Résumé
Cet article rend compte de l’usage de la methode de l’entretien d’autoconfrontation dans le cadre d’une recherche visant a decrire et comprendre l’activite collective d’eleves en education physique et sportive (EPS). Nous examinons plus particulierement les verbalisations des eleves dans l’interaction avec le chercheur et les traces audiovisuelles de leur activite en classe. L’analyse qualitative de 25 entretiens collectifs et individuels avec des eleves âges de 13 a 17 ans a mis en evidence que la construction d’une position de parole a la premiere personne a propos de son activite en classe etait un processus long, dynamique et lie aux modalites d’accompagnement du chercheur. Les analyses montrent que l’entretien est aussi une situation de regulation de l’action en classe au cours de laquelle les eleves construisent de nouvelles connaissances a propos de leur activite. Une derniere partie precise les conditions methodologiques a reunir pour que la parole des eleves ait un statut de donnees dans des recherches qualitatives en education a propos de l’activite. Abstract This article reports on the use of self-confrontation interviews with young students in a qualitative research project that aimed to describe and understand students’ collective activities in sports and physical education. Students’ verbalizations and their interactions with the researcher were examined, as well as the videos of their activities in the classroom. The content analysis of 25 interviews with 13- and 17-year-old pupils showed that the students were not spontaneously able to explain what made sense for them in the classroom. This is a dynamic and long process that must be encouraged and assisted by the researcher. The analysis highlighted that self-confrontation interviews provide the possibility to construct new knowledge about the classroom experience. Finally, the methodological requirements for building verbalization data about a situation experienced in the classroom are detailed.
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 | 0,010 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».