Normes et besoins au regard de la formation professionnalisante à la gestion de classe au primaire
Notice bibliographique
Résumé
Au Québec, des recherches sur la gestion de classe mettent en évidence que les personnes enseignantes peuvent vivre de la détresse associée à la complexité de cette compétence (Bergeron et al., 202 ; Tardif et al., 2021). La préparation à la gestion du groupe-classe est pointée pour l’expliquer (Cadière et Chaliès, 2018). La formation à l’enseignement s’articule autour de normes favorisant le développement de compétences (Wittorski et Roquet, 2013), dont celle à gérer la classe. La formation peut répondre aux besoins du futur personnel enseignant. Quels sont ces besoins ? L’objectif de cette recherche qualitative : les identifier et les coanalyser pour en dégager des normes souhaitées. Les données ont été collectées à l’aide d’un questionnaire auprès de personnes étudiantes et diplômées, ainsi que d’un entretien semi-dirigé de groupe, avant de faire l’objet d’une analyse de contenu. La formation pourrait privilégier des contenus tenant compte de l’hétérogénéité des élèves, déployer des formules pédagogiques variées permettant de soutenir l’articulation théorie-pratique et préconiser des modalités d’évaluation visant la coconstruction, l’utilité et la contextualisation.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,024 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».