In-class Film-viewing for Empathy Development in Higher Education | Visionnement de films en classe aux fins de développement de l’empathie en éducation supérieure
Notice bibliographique
Résumé
Abstract: In the 2016 winter term, I taught a course on French communication for English as a Second Language pre-service teachers (PST) in the Department of Education of a Canadian university. In this narrative autoethnography, I present the perspectives emerging from a university teaching experience of “teaching through film”, with undergraduate students enrolled in my French communication course. In-class discussions gravitated towards values and morals—notably empathy and caring—in relation to the significance of being or embodying a “good teacher”, following the viewing of Monsieur Lazhar (2011). Drawing on William Ayers’ philosophy of good teaching, among others, I present the implications of these discussions for teacher education and their significance for teacher training programs.Keywords: Film; Empathy; Artwork; Higher Education; Narrative AutoethnographyRésumé : J’ai donné, au cours de la session d’hiver 2016, un cours de communication française à des enseignants de formation initiale en anglais langue seconde, au sein du département d’éducation d’une université canadienne. Je présente donc dans cette auto-ethnographie narrative les diverses perspectives émanant d’une expérience pédagogique universitaire « d’enseignement par le film », auprès d’étudiants du premier cycle inscrits à mon cours de communication française. Les discussions en classe ont tourné autour des valeurs et des questions morales, notamment l’empathie et la sollicitude, relativement à la signification de ce qui fait un « bon enseignant », après avoir vu le film Monsieur Lazhar (2011). M’inspirant entre autre de la philosophie du bon enseignement de William Ayers (2011), j’aborde les implications de ces discussions au regard de la formation des enseignants et leur importance vis-à-vis des programmes de formation des enseignants.Mots-clés : film ; empathie ; œuvres d’art ; formation des enseignants ; auto-ethnographie narrative
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 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 ».