L’enseignement par projets en sciences et technologies : études des pratiques d’enseignement chez des enseignants du secondaire au Québec
Notice bibliographique
Résumé
Dans l’enseignement des sciences et technologies (ST) au secondaire au Québec, les prescriptions officielles en lien avec les démarches d’enseignement préconisent le recours à des situations d’enseignement-apprentissage contextualisées, ouvertes et intégratives (MELS, 2006). Parmi les dispositifs pédagogiques retenus pour actualiser ces orientations, on retrouve l’enseignement par projets (EPP). Si plusieurs études empiriques montrent des effets positifs du recours à l’EPP sur l’apprentissage des savoirs disciplinaires, d’autres écrits pointent les risques réels de dérives lors de sa mise en oeuvre. Dans cette thèse, nous avons analysé les pratiques de six enseignants qui disent recourir à l’EPP. Les projets ont été élaborés par eux-mêmes pour enseigner des contenus disciplinaires de leurs choix. Les données considérées sont issues d’enregistrements vidéo en classe, précédées et suivies d’entrevues qui tiennent compte de quelques dimensions relatives aux apprentissages des contenus disciplinaires: quoi enseigner (quels savoirs disciplinaires sont visés et traités dans le projet)?; Comment (le déroulement et les tâches des enseignants et des élèves)?; En recourant à quelles ressources didactiques? Les résultats révèlent des conceptions très variées des caractéristiques de l’EPP et une centration, dans les justifications du recours à cette approche, sur des finalités d’ordre psychopégadagogique. Par ailleurs l’articulation entre les caractéristiques des projets, véhiculée par les liens entre les mises en situation, les problèmes et les produits réalisés, et les savoirs visés s’avère déficiente dans la majorité des projets. Un seul enseignant a proposé un contexte qui, à la fois, fait partie de la vie quotidienne des élèves et tient compte des enjeux épistémologiques des concepts traités. Pour le reste, les liens de pertinence, d’un point de vue scientifique et technologique, entre les tâches des élèves et les savoirs visés sont superficiels ou absents.
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 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,019 | 0,009 |
| Communication savante | 0,010 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,005 |
| 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 ».