Utilisation des TIC : sentiment d’efficacité personnelle des directions d’école franco-canadienne
Bibliographic record
Abstract
Si les recherches en éducation démontrent certains effets positifs de l’utilisation pédagogique des TIC chez les élèves, force est de constater que des études indiquent que les TIC sont peu utilisées à l’école par les enseignants du primaire et du secondaire. Une des principales raisons qui pourrait expliquer cette utilisation mitigée serait, entre autres, que les enseignants ne sont pas soutenus par les directions d’école afin d’intégrer efficacement les TIC dans leurs pratiques pédagogiques. Par ailleurs, ce soutien offert par les directions serait possible si ces dernières avaient une perception positive de leur compétence en utilisation des TIC. La présente étude a donc pour but d’évaluer le sentiment d’efficacité personnelle des directions d’école (n = 213) quant à leurs compétences en utilisation des TIC à partir du modèle intégral de Desjardins (2005). Les analyses dévoilent que les directions possèdent un sentiment de compétence différent selon le type d’utilisation. Aussi des différences sont observées en fonction du nombre d’années d’expérience à la direction.
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 | 0.006 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".