L’accompagnement d’une communauté d’apprentissage professionnelle en réseau au service du développement professionnel de ses membres
Bibliographic record
Abstract
Les communautés d’apprentissage professionnelles sont vues comme une force de changement de l’intérieur même de l’école (DuFour et Eaker, 1998). Elles sont présentes dans une école qui cherche à s’améliorer et à réfléchir sur son rôle – au Québec : instruire, socialiser et qualifier – dans l’apprentissage des élèves et leur réussite scolaire. Le réseau Internet, pour sa part, est reconnu pour l’accès à des ressources, à des personnes, et vu comme une force de ralliement et de collaboration. Quelles incidences a pu avoir la combinaison de l’utilisation du réseau et de l’application des principes de la communauté d’apprentissage professionnelle sur une petite école dans une région éloignée du Québec? Notre étude ethnographique, au moyen de l’observation participante, a conduit au repérage des attributs de la communauté d’apprentissage professionnelle que le réseau Internet a permis de soutenir et de stimuler. Ce développement professionnel en réseau a été proposé à des enseignantes d’une très petite école primaire/secondaire du nord du Québec. L’étude fait ressortir les suites de l’accompagnement en réseau sur cette communauté, notamment la satisfaction des personnes participantes, de même que les retombées sur les compétences professionnelles des enseignantes.
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 | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.010 | 0.005 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".