Étude et analyse du rapport aux savoirs scientifiques d’enseignants du 3e cycle du primaire au regard de leur attitude face à l’enseignement des sciences et de la technologie
Notice bibliographique
Résumé
L’enseignement des sciences et de la technologie au primaire souffre généralement d’un déficit d’engagement des enseignants. Plusieurs recherches se sont penchées sur l’attitude de ces derniers et ont conclu, entre autres raisons, à des lacunes relatives aux connaissances des notions à aborder et à un faible sentiment d’efficacité personnelle. Or, malgré son caractère multidimensionnel, le concept de l’attitude ne tient pas compte du rapport que l’enseignant entretient avec les savoirs scientifiques et notamment avec ceux du programme scolaire. Dans le cadre de notre étude menée au Québec, nous avons mesuré l’attitude de 106 enseignants du 3e cycle du primaire avec le questionnaire Development of the Dimensions of Attitude toward Science (DAS), traduit en français. Puis, nous avons recueilli des données sur le rapport aux savoirs scientifiques (RASS) de 15 enseignants par le biais d’un bilan de savoir (réponses écrites à des questions ouvertes) et d’un entretien semi-dirigé. De cette double lecture des concepts de l’attitude et du RASS, il ressort que ces deux concepts partagent quelques composantes de nature essentiellement affective (sentiment d’efficacité, plaisir, crainte), mais se distinguent nettement sur d’autres.
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 | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».