L’apport du fonctionnement en communauté d’apprentissage professionnelle de huit écoles inclusives sur l’autoappréciation en enseignement en littératie et sur le sentiment d’autoefficacité
Bibliographic record
Abstract
Cet article présente les résultats d’une recherche sur le fonctionnement d’écoles en communauté d’apprentissage professionnelle (CAP) et sur sa contribution au développement professionnel des enseignants. Bien que plusieurs auteurs s’intéressent au fonctionnement des écoles en CAP, peu de recherches ont essayé de comprendre son apport à l’autoappréciation des connaissances et des compétences en enseignement en littératie et au sentiment d’autoefficacité en enseignement. Les données recueillies portent sur une période de trois ans suivant un protocole en deux temps (pré et post) auprès de 89 enseignants. Les connaissances et les compétences en enseignement en littératie ainsi que le sentiment d’autoefficacité ont été évalués au moyen de deux questionnaires réalisés au début de l’expérimentation et après trois ans. Une augmentation statistiquement significative des compétences et des connaissances en enseignement ainsi que celle de l’autoefficacité en enseignement ont été observées entre le début et la fin de la recherche. Les résultats suggèrent que le fonctionnement en CAP associé aux activités de formation et d’accompagnement aurait une influence sur les connaissances et les compétences en enseignement en littératie et, qui plus est, sur le sentiment d’autoefficacité en enseignement.
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 | 0.013 | 0.029 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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".