Analyse des perceptions des élèves sur le climat scolaire : étude de cas de deux écoles au Maroc
Notice bibliographique
Résumé
L’effet du climat scolaire (CS) sur l’enseignement, l’apprentissage et la réussite scolaire est un sujet étudié par plusieurs chercheurs (Debarbieux, 2015 ; Collins, T. N., 2010 ; Thapa et all., 2013). Certains auteurs ont même abordé le problème du point de vue des conditions d’amélioration du CS (Veltcheff, 2015 ; Elhaddadi, 2019 ; Ramdé, 2011 ; Poulin et al., 2018). Cependant, la grande majorité des études portent sur le contexte des pays développés en plus du fait que certaines études portant sur l’évaluation du CS, n’abordent pas le point de vue des élèves, qui sont pourtant au cœur du processus éducatif. Notre étude s’intéresse particulièrement à l’évaluation du CS par biais des perceptions des élèves dans deux écoles primaires publiques au Maroc. Pour recueillir les données nécessaires à notre étude, nous avons mené des entretiens semi-structurés avec des groupes de discussion. Nous avons aussi recueilli auprès des mêmes élèves des réponses à une notation multicritère. Par la suite, une analyse qualitative des réponses a été faite et un indice CS a été estimé. L’étude a permis d’évaluer les déterminants de la perception des élèves à l’égard du CS, à savoir l’état de l’infrastructure, la distance à parcourir pour se rendre à l’école, les activités de divertissement et le comportement des élèves à l’intérieur de la classe.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».