L’apport d’une communauté d’apprentissage pour développer des pratiques collaboratives et inclusives : une recherche-action
Bibliographic record
Abstract
Cet article présente les grandes lignes de l’accompagnement d’une équipe-classe désirant mieux structurer les actions pédagogiques pour développer la participation sociale des enfants ayant de grandes limitations. Ce texte propose le récit d’une expérience qui s’est déroulée dans une école primaire qui accueille des élèves ayant une déficience intellectuelle associée à de multiples handicaps. L’objectif principal du volet accompagnement de la recherche était de mettre en place un cadre de collaboration par une communauté d’apprentissage (Savoie-Zajc, 2010). La recherche-action s’est déroulée sur deux ans, à impliquer l’ensemble des intervenants travaillant auprès des élèves de la classe. Des observations et des entretiens ont permis d’explorer une pratique réflexive collective. Le processus de recherche-action a entraîné des retombées sur deux plans. Premièrement, la collaboration structurée à l’aide du modèle de la communauté professionnelle d’apprentissage (Savoie-Zajc, 2010; Savoie-Zajc et al., 2011) est désormais reconnue comme essentielle au travail quotidien des intervenants, qui ne s’imaginent pas revenir en arrière. Deuxièmement, les interventions sont désormais ancrées dans des modèles pédagogiques plus forts, tels que le développement de compétences (MELS, 2011) ainsi que la pédagogie créative au service de scénarios pédagogiques thématiques (Ouellet, 2010; Ouellet et Caya, 2011).
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.020 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.009 | 0.012 |
| Scholarly communication | 0.010 | 0.010 |
| Open science | 0.002 | 0.011 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".