Apprendre à contextualiser l’éducation scientifique en formation initiale
Notice bibliographique
Résumé
La contextualisation de l’enseignement et des apprentissages est principalement reconnue pour être mise de l’avant afin d’augmenter la motivation et l’intérêt des personnes apprenantes envers les sciences. Derrière ce terme, on retrouve de nombreuses approches dont l’approche basée sur le lieu, l’investigation scientifique, les pratiques authentiques, la science adaptée aux réalités culturelles, la science en plein air. Bien que ces approches soient recommandées dans plusieurs programmes à travers le mode, ces derniers définissent généralement peu comment les opérationnaliser. Il revient donc à la personne enseignante (PE) la charge de faire des liens, souvent difficiles à établir, entre les contenus scientifiques et les contextes d’apprentissages. Dans ce contexte, nous avons réalisé une étude qui vise à comprendre ce que les recherches nous apprennent sur la formation des personnes enseignantes quant à la contextualisation en enseignement scientifique. Nous avons donc réalisé une revue de littérature systématique qui a permis de faire ressortir l’importance de la formation continue et du développement professionnel, notamment grâce à de nombreuses recommandations concernant la mise en pratique des approches, l’importance de reconnaitre son système de croyances et l’ajustement des connaissances scientifiques.
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 | 0,021 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,012 |
| Communication savante | 0,018 | 0,015 |
| Science ouverte | 0,002 | 0,014 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,006 |
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 ».