Évolution du sentiment d’auto-efficacité des enseignants pendant la pandémie : L’effet des formations à l’usage des TIC suivies par les enseignants du primaire au Québec
Notice bibliographique
Résumé
Ce mémoire explore l'impact des formations à l'usage des technologies de l'information et de la communication (TIC) sur le sentiment d'auto-efficacité des enseignants du primaire au Québec durant la pandémie de COVID-19. La pandémie a accéléré l'intégration des TIC dans l'enseignement, souvent à distance, forçant les enseignants à s'adapter rapidement à ces nouvelles exigences. Le sentiment d'auto-efficacité, défini comme la confiance en ses capacités à accomplir une tâche, a joué un rôle crucial dans cette transition. Ce travail adopte une méthodologie qualitative basée sur des entretiens semi-dirigés avec douze enseignants pour analyser comment leur sentiment d'auto-efficacité a évolué avant, pendant et après la pandémie, tout en prenant en compte les formations à l’usage des TIC suivies. Les résultats montrent que ces formations ont, dans la plupart des cas, renforcé la confiance des enseignants dans l'usage des technologies, bien que l'impact varie selon le soutien professionnel et la qualité des formations reçues. Trois profils principaux d'évolution ont été identifiés : des enseignants dont le sentiment d'auto-efficacité a été consolidé, augmenté, ou nuancé. Le mémoire conclut que les formations TIC et le soutien de l’environnement professionnel sont essentiels pour renforcer leur sentiment d’auto-efficacité des enseignants du primaire du Québec à utiliser les technologies.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,001 | 0,007 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».