Développer des pratiques d’enseignement des sciences et des technologies : selon quels critères et dans quelle perspective ?
Bibliographic record
Abstract
Afin de contribuer à l’élaboration d’une vue d’ensemble des recherches en didactique des sciences et des technologies, ce texte tente d’identifier des critères pour travailler au développement des pratiques d’enseignement. Pour ce faire, il présente une rétrospective d’études portant sur le développement des pratiques avant et après les années 2000 et ce, dans différents pays. Dans le prolongement de cette rétrospective, des travaux de recherche portant sur des pratiques efficaces sont examinés pour voir selon quels critères et avec quelles approches les chercheurs qui empruntent cette voie travaillent au développement des pratiques. Cette exploration amène à considérer les communautés d’apprentissage pour développer des pratiques d’enseignement des sciences et des technologies à partir de critères qui intègrent le point de vue de la pratique, de la recherche et des programmes. Ce travail d’analyse sert d’amorce à un projet de recherche participative réalisé avec des enseignants, en Ontario et au Québec.
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 | 0.094 | 0.113 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.006 | 0.009 |
| Science and technology studies | 0.013 | 0.034 |
| Scholarly communication | 0.026 | 0.017 |
| Open science | 0.004 | 0.011 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.005 | 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".