Utilisation des stratégies d’apprentissage pour développer, par l’expérimentation, un sentiment d’efficacité personnelle chez les futurs enseignants
Bibliographic record
Abstract
Le but de cette étude est d’expliquer comment les futurs enseignants peuvent développer leur sentiment d’efficacité en enseignement et dans leur vie personnelle, grâce à un apprentissage expérientiel fondé sur l’acquisition et l’utilisation des stratégies cognitives, des stratégies métacognitives et du jugement métacognitif. Les 23 participants à cette étude étaient inscrits au baccalauréat en enseignement primaire et secondaire à l’Université Sainte-Anne, en Nouvelle-Écosse. Cette recherche exploratoire, de type qualitatif et quantitatif, se fonde sur la taxonomie de l’apprentissage expérientiel de Steinaker et Bell (1979) développée par Côté (1998). Les données retenues ont été recueillies à partir de rapports d’observation des étudiants, d’une entrevue semi-structurée et d’un questionnaire. Les résultats indiquent que les participants perçoivent une évolution du sentiment d’efficacité personnelle dans leurs apprentissages et leur enseignement auprès d’un élève en difficulté ainsi que dans leur vie personnelle.
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 | 0.009 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".