Les communautés d’apprentissage professionnelles : un mode de fonctionnement pour opérationnaliser la reddition de comptes
Notice bibliographique
Résumé
L’instauration des politiques de redditions de comptes en éducation vise entre autres le contrôle et l’efficacité du travail des enseignants. Dans le contexte actuel où l’on préconise la collaboration dans le milieu scolaire, nous considérons la communauté d’apprentissage professionnelle (CAP) comme un nouveau moyen qui assure la reddition de comptes.Cette recherche qualitative vise à : (a) décrire la responsabilité des acteurs scolaires dans un fonctionnement en CAP et (b) montrer en quoi l'accompagnement par la CAP contribue à une redéfinition du professionnalisme enseignant, et ce, dans une perspective de reddition de comptes.Un cadre conceptuel construit à partir de trois concepts clés, soit la CAP, la reddition de comptes et le professionnalisme guide cette étude qui est menée par entrevues semi-structurées auprès de directions d’établissements, d’enseignants, de professionnels et de conseillers pédagogiques (N=42) du Québec et du Nouveau-Brunswick. Les résultats montrent que les acteurs des 12 CAP de l’étude : se dotent de ressources matérielles, physiques et temporelles; fixent des objectifs et clarifient les rôles; assurent l’animation; font preuve d’un leadership partagé; assurent leur propre développement et contribuent au développement des autres membres; amènent la CAP vers la maturité et utilisent des résultats issus de données. Une CAP mature assure de meilleurs résultats, ce qui permet d’atteindre subséquemment les objectifs visés par l’établissement scolaire et d’assurer la reddition des comptes.
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 | 0,011 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,016 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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 ».