MétaCan
Menu
Retour à la cohorte
Enregistrement W4406165805 · doi:10.1522/rhe.v9i2.1816

Les retombées d’un accompagnement en Communication NonViolente (CNV) sur le développement des compétences socioémotionnelles du personnel scolaire d’une école primaire

2025· article· fr· W4406165805 sur OpenAlexaffvenue
Isabelle Vachon, Lena Guézennec

Notice bibliographique

RevueRevue hybride de l éducation · 2025
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueFrench Language Learning Methods
Établissements canadiensCanadian Network for Innovation in Education
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceSociologyHumanitiesPsychologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Cet article présente les retombées de l'accompagnement en Communication NonViolente sur le développement des compétences socioémotionnelles du personnel scolaire d'une école primaire. Il montre d’abord les orientations d’un projet pilote visant des interventions bienveillantes envers soi et envers les autres. Il définit ensuite les compétences socioémotionnelles du Collaborative for academic, social, and emotional learning (CASEL, 2017) et l'approche de la Communication NonViolente de Rosenberg (2016). Des résultats exemplifient les apprentissages réalisés par les personnes participantes. Enfin, les apports et les limites du projet sont exposés, et quelques recommandations pour soutenir l'intégration de cette approche auprès d’autres écoles sont formulées.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,497
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,068
Tête enseignante GPT0,334
Écart entre enseignants0,266 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRevue hybride de l éducationMême sujetFrench Language Learning MethodsTravaux en français237 207