Sentiment d'efficacité personnelle à gérer la classe et stratégies préconisées par les enseignants d'éducation physique et à la santé pour gérer les comportements perturbateurs au secondaire
Notice bibliographique
Résumé
Intervenir face aux comportements perturbateurs (CP) demande aux enseignants d'éducation physique et à la santé (EPS) d'avoir un sentiment d'efficacité personnelle (SEP) fort ainsi qu'une bonne gestion de classe. En prenant en compte que le SEP influence la gestion de la classe de l'enseignant d'EPS et que les comportements perturbateurs des élèves représentent un défi de taille, cette étude vise à dresser un portrait du SEP des enseignants d'EPS à gérer la classe en présence d'élèves ayant des comportements perturbateurs, à identifier les stratégies d'intervention préconisées par les enseignants d'EPS selon le degré de gravité des écarts de conduite observés durant le cours et à examiner les liens entre le SEP des enseignants d'EPS à gérer la classe et les stratégies déployées pour gérer les comportements perturbateurs des élèves. Cette étude utilise une méthodologie quantitative avec un devis descriptif et corrélationnel. L'échantillon se compose de 236 enseignants (130 hommes, 106 femmes) du secondaire œuvrant au Québec (n = 59) et en France (n = 177). Les résultats démontrent que le SEP des enseignants fluctue selon le genre, le niveau de défavorisation de l'école, les années d'expérience et le pays d'origine. Des différences sont observées entre la gravité des CP et le nombre d'interventions utilisées. On constate aussi que les interventions utilisées pour gérer les comportements perturbateurs sont différentes selon le niveau de défavorisation de l'école et les années d'expérience des enseignants. Par ailleurs, une différence est notable entre la gestion de la situation et les enseignants évoluant dans un milieu favorisé. Enfin, on remarque des liens entre les dimensions du SEP et les interventions préconisées par les enseignants pour gérer les CP. Ce mémoire se conclut par une discussion des résultats et des limites de l'étude et la formulation de recommandations pour des recherches futures.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».