Soutenir la formation aux pratiques avancées à la maîtrise en travail social
Bibliographic record
Abstract
La formation aux pratiques avancées à la maîtrise en travail social repose sur une intégration optimale des connaissances théoriques, empiriques et méthodologiques pertinentes à l’intervention sociale. Elle vise aussi à développer une attitude réflexive, analytique et critique dans la conceptualisation, la mise en oeuvre et l’évaluation d’une intervention sociale. Toutefois, l’optimisation de cette formation soulève un certain nombre de questions quant aux moyens pédagogiques à mettre en place pour mieux soutenir les étudiants dans le processus d’apprentissage des pratiques avancées en travail social. Le présent article a pour but de présenter la démarche et les résultats d’une recherche réalisée à l’École de service social de l’Université Laval visant à développer une stratégie pédagogique structurante et intégrative permettant d’optimiser le soutien des étudiants et des différents acteurs engagés dans cette formation. Les consultations menées auprès de tous les acteurs visés ont permis de dégager les éléments favorisant ou faisant obstacle au cheminement des étudiants et huit principes pour le choix de la stratégie pédagogique. Les moyens pédagogiques retenus, ainsi que les avantages et défis de la démarche sont également exposés. Les résultats de cette recherche, autant par sa démarche que par ses résultats, fournissent des balises pertinentes pour les universités canadiennes souhaitant réviser leur formation aux pratiques avancées.
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 | 0.031 | 0.037 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.010 | 0.031 |
| Scholarly communication | 0.017 | 0.012 |
| Open science | 0.003 | 0.012 |
| Research integrity | 0.004 | 0.008 |
| Insufficient payload (model declined to judge) | 0.010 | 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".