Maitrise d’outils technologiques : son influence sur la compétence TIC des enseignants et les usages pédagogiques | Mastery of Digital Tools: The Influence on Information and Communication Technologies Competency and Pedagogical Use
Notice bibliographique
Résumé
L’utilisation des technologies de l’information et de la communication (TIC) en contexte éducatif est un enjeu important pour les enseignants du préscolaire-primaire et du secondaire au Québec. Dans cette recherche, nous avons examiné dans quelle mesure la maitrise d’outils numériques peut prédire des usages pédagogiques déclarés. Nous avons également étudié la relation prédictive entre le niveau déclaré de maitrise des outils numériques par les enseignants et leur compétence professionnelle à intégrer les TIC. Les régressions montrent que la maitrise du tableau numérique interactif prédit positivement des usages pédagogiques du numérique et une bonne maitrise de la compétence à intégrer les TIC.The use of information and communication technologies (ICT) is an important issue for many preschool, elementary, and secondary school teachers in Québec. In this study, we examined to what extent the mastery of digital tools can predict reported pedagogical usage. Also, we used the level of mastery of digital tools by teachers as a variable to assess the predictive impact of the components of professional competence on the integration of ICT. The results of the regression indicate that the mastery of the interactive whiteboard positively predicts the pedagogical use of ICTs as well as a good mastery of the integration of ICTs.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».