MétaCan
Menu
Retour à la cohorte
Enregistrement W2612398964 · doi:10.7202/1039022ar

Une approche énactive du développement des compétences en milieu scolaire

2017· article· fr· W2612398964 sur OpenAlexvenueno aff
Nicolas Terré, Carole Sève, Jacques Saury

Notice bibliographique

RevueÉducation et francophonie · 2017
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueEducation, sociology, and vocational training
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Cet article propose d’explorer d’autres voies que celles des conceptions théoriques dominantes de la compétence. À cette fin, nous commençons par délimiter le « challenge conceptuel » que représente la tenue des postulats de l’énaction dans la description du développement des compétences. Puis, à la suite d’une étude empirique menée auprès de lycéens au cours d’une séquence d’éducation physique (Terré, 2015), le développement des compétences est analysé à partir de l’expérience des élèves. Des hypothèses explicatives sont proposées pour esquisser les contours d’une conception énactive du développement des compétences dont la caractéristique majeure est de considérer l’ancrage du développement des compétences – et conjointement de la pérennité des connaissances – dans des histoires. C’est en s’engageant dans des histoires que les actions et les interprétations des élèves prennent une épaisseur temporelle et qu’ils construisent des « dispositions à agir » constitutives de compétences. Cette analyse se poursuit par la proposition d’inverser la relation généralement établie entre la construction de connaissances et le développement de compétences : les connaissances construites au cours de ces épisodes seraient le produit de la compétence en développement, et non l’inverse. À titre spéculatif, plusieurs axes de transformation des pratiques d’enseignement sont proposés pour favoriser l’engagement des élèves dans des histoires.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,499
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0040,004
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,141
Tête enseignante GPT0,431
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueÉducation et francophonieMême sujetEducation, sociology, and vocational trainingTravaux en français237 207