Bibliographic record
Abstract
L’article présente un dispositif d’accompagnement de futurs enseignants en stage qui vise à leur faire prendre conscience de leur modèle opératif et à le réguler pour garantir à leur intervention son caractère éducatif. Ces accompagnements sont gérés par de futurs formateurs, eux aussi stagiaires se préparant au métier de formateurs d’enseignants. Chaque duo (un futur enseignant et un futur formateur) s’engage dans une « démarche régulatrice personnalisée » qui associe étroitement observations des pratiques du futur enseignant en classe par le futur formateur et échanges menés sur la base d’une trace de ces pratiques lors d’entretiens de régulation. Au cours de ceux-ci, sont analysés les liens entre les intentions éducatives du futur enseignant, le déroulement effectif de ses actions professionnelles, la manière dont il leur donne sens et se voit ou non devenir enseignant. La retranscription d’un entretien de régulation illustre à la fois la manière dont le futur enseignant s’approprie les outils de la formation, généralise ses démarches de gestion de la classe et des apprentissages et se construit progressivement comme professionnel enseignant.
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 | 0.023 | 0.036 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.003 | 0.011 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.018 | 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".