Analyser le travail enseignant pour concevoir l’intervention éducative : est-ce utile et pour quoi faire ?
Bibliographic record
Abstract
Cet article s’attarde à l’intérêt et aux finalités de l’analyse de l’activité des professionnels de l’intervention éducative pour la conception, la construction et la conduite des dispositifs de formation qui leur sont destinés. Elle concerne plutôt le métier enseignant, mais aussi de nombreux métiers de l’humain. Inscrite dans le modèle de la didactique professionnelle, elle développe une réflexion à propos des cadres conceptuels et des méthodologies permettant de comprendre l’activité des professionnels et d’identifier leurs conceptualisations, dans le but de mieux adapter les dispositifs de formation. La première section observe la fonction du formateur et de l’apprenant dans les dispositifs de formation. La deuxième concerne l’articulation entre les dispositifs de formation et les apprentissages informels, ceux qui se construisent sans intervention préconçue. La troisième vise la conception des dispositifs de formation qui est une étape souvent délaissée dans les réflexions sur le développement professionnel. La quatrième, au regard des précédentes parties, propose une méthodologie pour modéliser les conceptualisations des professionnels à partir de l’analyse de leur activité. La conclusion ouvre sur des questionnements et des pistes de recherche.
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 | 0.015 | 0.027 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.005 | 0.011 |
| Scholarly communication | 0.015 | 0.011 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.013 | 0.003 |
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".