Intégrer les TIC dans l’activité enseignante
Notice bibliographique
Résumé
Avec la collaboration de Vincent Rousson Les réformes des programmes d’enseignement et de formation à l’enseignement mises en œuvre au Québec ainsi qu’ailleurs dans le monde industrialisé véhiculent l’idée, voire la conviction, fondée ou non, que les technologies de l’information et de la communication (TIC) peuvent accélérer le développement d’un éventail de compétences par les élèves. De par son caractère prescriptif, l’intégration des TIC dans l’enseignement et l’apprentissage soulève de nombreux problèmes et de non moins nombreuses questions d’actualité que cet ouvrage ne manque pas d’aborder sous différents modes, que ce soit sous l’angle de réflexions approfondies et documentées, de récits d’expériences concrètes d’intégration des TIC dans l’enseignement et l’apprentissage scolaires ou de la production de résultats de recherches récentes sur le sujet. Les étudiants engagés en formation initiale à l’enseignement, les enseignants en exercice, les directions d’établissement, les personnes chargées de la formation des maîtres ainsi que les chercheurs préoccupés par l’introduction harmonieuse de même que l’utilisation judicieuse des TIC dans l’enseignement et l’apprentissage en contexte scolaire y trouveront des éléments de réflexion mais aussi des pistes pour l’action. Ont collaboré à cet ouvrage : Séraphin Alava (Université Toulouse le Mirail), Jean Benoit (Université Laval), Monique Brodeur (Université du Québec à Montréal), Jean-François Cardin (Université Laval), Colette Deaudelin (Université de Sherbrooke), Jean-François Desbiens (Université de Sherbrooke), Marc Dussault (Université du Québec à Trois-Rivières), Vincent Grenon (Université de Sherbrooke), Thérèse Laferrière (Université Laval), Judith M. Lapointe (Université McGill), François Larose (Université de Sherbrooke), Sonia Lefebvre (Université du Québec à Trois-Rivières), Frédéric Legault (Université du Québec à Montréal), Yves Lenoir (Université de Sherbrooke), Jean Loiselle (Université du Québec à Trois-Rivières), Daniel Martin (Université du Québec en Abitibi-Témiscamingue), Jean-François Morin (Université de Sherbrooke), Marcel Nadeau (Université de Sherbrooke), Geneviève Nault (Université du Québec à Montréal), Thérèse Nault (Université du Québec à Montréal), Mary Pearson (Université de Sherbrooke), Jeanne Richer (Université du Québec à Trois-Rivières), Vincent Rousson (Université du Québec en Abitibi-Témiscamingue), Bastien Sasseville (Université du Québec à Rimouski), Carlo Spallanzani (Université de Sherbrooke), Stéphane Thibodeau (Université du Québec à Trois-Rivières).
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,016 | 0,020 |
| Communication savante | 0,015 | 0,007 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».