Gestion et leadership pédagonumérique : stratégies de gestion pour favoriser l’implantation du numérique dans les établissements d’enseignement au Québec
Notice bibliographique
Résumé
Dans la foulée de la transition numérique du système scolaire québécois, les directions d’établissement d’enseignement et les gestionnaires scolaires ont reçu le mandat de planifier, de mettre en œuvre et de piloter l’implantation du numérique. Or, les pratiques professionnelles et les stratégies de gestion déployées dans ce cadre relèvent d’un domaine peu investigué en éducation. Cet article présente une partie des résultats de la recherche intitulée Gestion et leadership pédagonumérique (Gravelle et al., 2021), menée en collaboration avec le ministère de l’Éducation du Québec (MEQ) au printemps 2021. L’étude avait comme premier objectif d’alimenter l’état des connaissances actuelles concernant les rôles, les pratiques professionnelles et les stratégies de gestion des directions d’établissement d’enseignement et des gestionnaires scolaires qui ont implanté le numérique; elle avait comme second objectif de favoriser le partage d’expériences entre praticiens. Sur la base d’échanges tenus dans le cadre d’une communauté de pratique, six champs d’action réunissant diverses stratégies de gestion utilisées par les participants ont été dégagés. À la lumière du partage d’expériences et de pratiques professionnelles, l’article interroge la notion de leadership pédagonumérique, qui se révèle comme un moteur d’innovation au service de l’intégration du numérique.
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 | 0,006 | 0,009 |
| 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 | 0,013 | 0,006 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».