Compétence réflexive, carte conceptuelle et webfolio à la formation des maîtres
Bibliographic record
Abstract
Dans le cadre de cette recherche, nous avons examiné la compétence réflexive de futurs maîtres de français langue seconde lors de leur utilisation de deux outils, soit le webfolio et la carte conceptuelle. Notre collecte de données a été effectuée auprès de 18 étudiants de première année de la formation des maîtres de français langue seconde. Ceux-ci ont créé une carte conceptuelle qui représentait la structure de leur webfolio. Les cartes conceptuelles ont été analysées en fonction de leur complexité et de leur structure. La majorité des cartes conceptuelles étaient structurées en toile d’araignée ce qui démontre un niveau de complexité plus élevé que les structures à rayons et à chaînons, et par conséquent un niveau plus élevé de compétence réflexive. L’analyse des commentaires des étudiants sur l’utilisation d’une carte conceptuelle et d’un webfolio démontre une ouverture vers l’utilisation de carte conceptuelle comme outil d’organisation. Les étudiants jugent que la réflexion suscitée par la construction d’une carte conceptuelle et d’un webfolio leur donne l’occasion de réfléchir sur eux-mêmes en tant que futur enseignant, de faire preuve de créativité et d’utiliser leurs compétences technique et organisationnelle.
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 | 0.010 | 0.023 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.004 | 0.007 |
| Scholarly communication | 0.009 | 0.008 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
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".