Les objets d’apprentissage des musées virtuels du Canada et les enseignants francophones du pays : leur philosophie d’enseignement et la conception de leur domaine d’enseignement
Bibliographic record
Abstract
Pour les enseignants francophones du Canada, les ressources virtuelles en langue francaise s’averent essentielles afin de les aider a atteindre leur mission d’enseignement dans la langue maternelle de la minorite. Parmi ces ressources, les objets d’apprentissage (OA) des musees virtuels canadiens constituent une banque riche, fiable et pertinente mise gratuitement a la disposition de ces enseignants et de leurs eleves. L’utilisation de ces ressources en classe fait appels aux modeles conceptuels sous-jacents aux conditions internes et externes auxquelles les enseignants font face, en vue de les integrer a leurs pratiques professionnelles. Finalement, l’integration de l’utilisation des OA dans des situations educatives refere au processus d’innovation pedagogique decoulant du Modele systemique de l’innovation. Par cette etude, nous visons a mieux connaitre et comprendre les enjeux lies a l’integration de l’utilisation des OA des musees virtuels canadiens dans le curriculum a l’elementaire et au secondaire dans les ecoles de langue francaise du canada. Une meilleure connaissance et comprehension de ces enjeux s’avere cruciale en vue de mieux repondre a leurs besoins. Pour y parvenir, nous avons interroge 404 enseignants francophones, repartis dans dix provinces et deux territoires. Les resultats confirment que les repondants de l’echantillon modifient peu leur philosophie d’enseignement liee a l’utilisation des OA des musees virtuels canadiens et modifient peu la conception de leur domaine d’enseignement, tant pour la planification pegagogique que l’enseignement-apprentissage. Ces resultats se situent en concordance avec le fait qu’ils les utilisent peu. Ils confirment egalement que les enseignants se situent majoritairement a un niveau d’adoption (peu d’integration) ou d’adaptation (moyenne integration) d’une innovation. Tres peu d’entre eux se situent a un niveau d’appropriation (grande integration) ou d’entree (aucune integration). Enfin, une infime proportion se situe a un niveau d’invention (tres grande integration). Toutefois, les enseignants soutiennent que les OA peuvent les appuyer dans leur mission qui consiste a renforcir l’identite, la culture et la langue francaise, tout en creant une veritable « francommunaute » d’apprentissage.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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 teacher head, 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".