Métalittératie et pensée critique de futurs enseignants : pratiques et perceptions en francophonie
Notice bibliographique
Résumé
La pensée critique et la capacité à aborder l’information sont apparues comme étant cruciales au cours des dernières années, particulièrement en raison du rôle délétère, réel ou supposé, des médias sociaux. Pour répondre à cet enjeu, le rôle de l’éducation et, par conséquent, des enseignants apparaît central. Dans cet article, nous rapportons les observations réalisées auprès de futurs enseignants en formation initiale dans une activité de visionnement et de débat sur un groupe social Facebook. Grâce à une vidéocapture (screencasting) et un protocole de pensée à voix haute, nous avons été en mesure de documenter les pratiques de pensée critique et les stratégies de métalittératie (un concept englobant des compétences telles que la littératie informationnelle et numérique) d’enseignants en formation en Wallonie, en France et au Québec (n = 9). Avec une série d’entrevues (n = 32), nous avons pu mettre en contraste ces stratégies avec les stratégies déclarées comme étant connues. Les étudiants en formation professionnalisante mobiliseraient davantage des stratégies métacognitives et autocritiques tandis que celles et ceux en formation disciplinaire mobiliseraient plutôt des stratégies dites critériées. Quel que soit le type de formation, on recense moins de stratégies mobilisées que de stratégies connues.
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 | 0,016 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,020 | 0,019 |
| Communication savante | 0,013 | 0,007 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».