La direction d’école comme pilier à l’implantation de la communauté d’apprentissage professionnelle chez les enseignants en adaptation scolaire au secondaire
Bibliographic record
Abstract
Cette recherche porte sur l’implantation d’une communauté d’apprentissage professionnelle chez des enseignants en adaptation scolaire au secondaire, lesquels partagent la volonté de rehausser la réussite de leurs élèves en lecture. L’étude vise à comprendre de quelle façon la direction d’une école favorise l’implantation de ce mode de fonctionnement. Les données issues des entrevues semi-dirigées individuelles et de groupe montrent que la direction d’école joue un rôle clé dans ce processus et que certaines actions sont cruciales, notamment celles qui consistent à mobiliser le personnel autour d’une vision commune, à fournir les conditions nécessaires et à instaurer une pratique réflexive où les données issues des apprentissages des élèves occupent une place centrale. Certains défis doivent également être surmontés par les directions d’école, entre autres la surcharge de travail occasionnée par ce mode de fonctionnement. Cette étude saura profiter aux gestionnaires scolaires intéressés par le travail en communauté d’apprentissage professionnelle en vue d’améliorer la réussite éducative.
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 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.018 | 0.003 |
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".