Portrait des croyances entretenues par les enseignants de science et technologie au secondaire : élaboration d’un questionnaire et analyse typologique
Notice bibliographique
Résumé
Il est aujourd’hui reconnu que les stratégies d’enseignement privilégiées par les enseignants dépendent de leurs systèmes de croyances (Buehl et Beck, 2014 ; Driel et al., 1998 ; OCDE, 2014). Puisque de tels choix auront nécessairement des conséquences sur les apprentissages, la réussite et la motivation des élèves, il apparaît crucial de mieux connaître leur nature. Nous avons conséquemment élaboré et validé un questionnaire visant à mieux comprendre les croyances relatives à la nature de la science, à l’enseignement et à l’apprentissage des enseignants de science technologie (ST), avec l’objectif d’éventuellement établir les liens indirects qu’elles peuvent entretenir avec la motivation de leurs élèves. Basé sur d’autres questionnaires existants, cet outil a permis d’inférer les croyances entretenues à partir de 30 items distribués en trois axes selon le modèle Sujet-Objet-Agent-Milieu (Legendre, 2005). Une analyse typologique a notamment permis de regrouper les réponses des enseignants (N = 25) en deux classes : d’un côté les « subjectifs, réfractaires à la technologie et directifs » et de l’autre les « objectifs, technophiles et participatifs ». Nous discutons finalement des implications possibles de ces résultats pour la formation continue des enseignants de ST.
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 | 0,010 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».