Points de vue d’étudiantes du collégial sur leurs expériences d’apprentissage de la physique et sur leur éventuelle pratique d’enseignement
Bibliographic record
Abstract
Dans cet article, nous présentons quelques-uns des résultats issus d’une étude qui s’est intéressée aux rapports à la physique et à l’enseignement de la physique de futures enseignantes du primaire, engagées dans la première année de leur formation préuniversitaire en éducation. Plus précisément, nous documentons la façon dont les participantes décrivent, d’une part, leurs expériences scolaires d’apprentissage de notions liées à la physique et, d’autre part, leur intérêt pour l’enseignement de ces notions au primaire. Trente-sept participantes ont rempli un bilan de savoirs au sujet de leur point de vue sur la physique et son enseignement. Nous constatons qu’une majorité de participantes montrent une relation positive à l’enseignement de notions liées à la physique au primaire, alors que seulement cinq participantes laissent voir une relation plus difficile. Certaines participantes évoquent des craintes ou des préoccupations face à l’enseignement de ces notions, alors que d’autres envisagent cet enseignement sous l’angle de son utilité. Pour plusieurs, l’enseignement de la physique au primaire apparaît plus simple qu’au secondaire et au collégial.
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 | 0.035 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.017 | 0.019 |
| Scholarly communication | 0.018 | 0.011 |
| Open science | 0.002 | 0.013 |
| Research integrity | 0.004 | 0.008 |
| Insufficient payload (model declined to judge) | 0.011 | 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".