Vers une définition des besoins de perfectionnement des enseignants de français des niveaux élémentaire et secondaire
Notice bibliographique
Résumé
Compte rendu partiel des résultats d’une enquête auprès de professeurs de français, langue maternelle, afin de définir d’une façon objective : Nous retrouverons, dans l’article, la description du questionnaire et de l’échantillon, puis des résultats éclairant le point 1 et le point 4. Le tableau 1 indique la répartition des informateurs et le tableau 2, la représentativité de l’échantillon. Les figures 1-2-3 permettent d’évaluer globalement la compétence linguistique des enseignants (sens large : toutes les connaissances acquises dans tous les domaines où la langue joue un rôle essentiel). Les figures 4, 5 et 6 s’arrêtent sur le type de formation désirée par les enseignants. Il y a une différence d’orientation selon qu’il s’agit d’informateurs de l’élémentaire qui, en plus d’une formation générale, désirent que l’on mette l’accent sur l’enseignement de la didactique, alors que ceux du secondaire veulent une formation axée sur la linguistique ou sur la langue et la littérature. Les tableaux 3, 4, 5, 6 et 7 indiquent quelles sont les disciplines dans lesquelles ils souhaitent se perfectionner. Elles sont regroupées selon qu’elles développent la compétence linguistique ou la formation professionnelle. On retrouve la répartition des enseignants dans ces ensembles selon qu’ils sont du niveau élémentaire ou secondaire.
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 | 0,008 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».