MétaCan
Menu
Back to cohort
Record W2101598251 · doi:10.7202/037657ar

La triade : une stratégie de supervision à redéfinir!

2009· article· fr· W2101598251 on OpenAlexaffvenueabout
Marie-Claude Rivard, Joël Beaulieu, Mélodie Caspani

Bibliographic record

VenueÉducation et francophonie · 2009
Typearticle
Languagefr
FieldSocial Sciences
TopicEducation, sociology, and vocational training
Canadian institutionsUniversité du Québec à Trois-Rivières
Fundersnot available
KeywordsHumanitiesPolitical sciencePhilosophy

Abstract

fetched live from OpenAlex

La présente étude descriptive à caractère exploratoire s’inscrit dans le contexte des réformes en éducation au Québec, plus particulièrement au baccalauréat en enseignement de l’éducation physique et à la santé (ÉPS). L’un des principaux défis qui touchent la formation initiale est sans doute celui d’assurer le développement des compétences professionnelles des futurs enseignants, notamment en cours de stage. À cet égard, il apparaît pertinent d’actualiser la stratégie de supervision pédagogique privilégiée lors des stages en ÉPS à l’Université du Québec à Trois-Rivières : la triade (stagiaire, enseignant associé et superviseur universitaire). Dans le cadre de la stratégie de supervision réalisée en triade, les objectifs de l’étude consistent à approfondir les représentations de chacun des acteurs en référence aux compétences professionnelles, à décrire les types de savoirs mobilisés et à définir les conditions favorables à la supervision. Les résultats issus d’un questionnaire auquel ont répondu les membres de la triade (N = 42) actifs à la session d’hiver 2007 révèlent certaines divergences entourant les représentations et les savoirs relatifs à la supervision en triade. La nécessité d’une vision commune en matière de développement professionnel conjuguée à la pertinence de points de vue jugés complémentaires entre les formateurs est discutée.

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 imitation

Not 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.

metaresearch head score (Codex)0.006
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.664
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0060.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0010.001
Scholarly communication0.0000.001
Open science0.0000.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.150
GPT teacher head0.453
Teacher spread0.304 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations8
Published2009
Admission routes3
Has abstractyes

Explore more

Same venueÉducation et francophonieSame topicEducation, sociology, and vocational trainingFrench-language works237,207