Développement et validation d’une séquence d’entraînement à l’utilisation des stratégies de tuteur.trice.s en classe d’accueil au primaire : réactions des enseignant.e.s
Notice bibliographique
Résumé
L'intégration des élèves allophones dans les classes d'accueil au Québec représente un défi pour les enseignant.e.s, confronté.e.s à une grande diversité linguistique au sein de leur groupe d’élèves, lesquels possèdent par ailleurs des niveaux de compétence variables en français. Afin de permettre aux enseignant.e.s de mettre en place des pratiques propices à l’apprentissage de la langue cible, notre étude vise à développer et implanter une séquence d'entrainement à l’utilisation des stratégies de tuteur.trice.s (EUST) adaptée aux classes d'accueil à Montréal, laquelle se veut une étape préalable à l’implantation d’un programme d’enseignement par les pairs (EPP). En s'appuyant sur le modèle de Van der Maren (1996), notre recherche-développement se déploie pendant une année scolaire dans deux classes d’accueil de Montréal. Cette séquence comporte trois stratégies enseignées selon quatre étapes d’enseignement, soit la modélisation, la pratique guidée, la consolidation ainsi que la pratique indépendante. Les commentaires des candidates ont été recueillis grâce à des entrées dans des journaux de bord ainsi que lors de rencontres collectives. Selon ces commentaires, l’implantation de la séquence a apporté des effets positifs sur l'ambiance en classe, sur la motivation des élèves et sur le développement de leurs compétences langagières. Néanmoins, les enseignantes ont rencontré des défis en matière de gestion des activités, d'adaptation du matériel et d'observation de l'utilisation des stratégies par les élèves. Malgré des limites méthodologiques, dont notamment un échantillon restreint et des outils de collecte de données perfectibles, cette étude ouvre des perspectives pour la recherche future. La séquence d'EUST se révèle être un outil prometteur pour les classes d'accueil montréalaises, offrant des pistes d'amélioration pour son implantation et contribuant ainsi à enrichir les connaissances sur l'EPP et les stratégies à enseigner au préalable.
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 | 0,011 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».