Vers une meilleure compréhension des stratégies mobilisées pour surmonter des difficultés rencontrées en stage
Notice bibliographique
Résumé
Les stages en enseignement représentent des moments uniques pour soutenir l’apprentissage et le développement des compétences. Toutefois, les stages sont aussi des moments à haut potentiel de difficultés (Desbiens et al., 2019a). Cet article a pour but de dégager les difficultés rencontrées par neuf personnes stagiaires et d’analyser les stratégies mobilisées pour les surmonter. S’appuyant sur les quatre grandes catégories de stratégies d’apprentissage, soit les stratégies cognitives, métacognitives, affectives et de gestion des ressources, cette recherche présentera des résultats provenant de deux entretiens semi-dirigés et deux entretiens d’explicitation. L’analyse inductive des données démontre, dans un premier temps, une prédominance des difficultés interactionnelles et organisationnelles vécues durant les stages. Dans un deuxième temps, les résultats permettent de constater que les personnes stagiaires tendent à mobiliser des stratégies de gestion des ressources et métacognitives pour surmonter les difficultés rencontrées en stage.
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 | 0,008 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,009 | 0,012 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».