L’entretien enseignant-famille à l’école maternelle : quelles dynamiques organisationnelles, quels savoirs mobilisés ?
Bibliographic record
Abstract
Dans cet article, nous proposons l’étude d’une zone peu explorée par la recherche, à savoir les entretiens individuels entre les enseignant-e-s et les familles, analysés comme une facette constitutive du travail enseignant. Nous étudions le cas d’une école maternelle à Fribourg, Suisse, caractérisée par la diversité culturelle des familles. À partir d’une approche qui met en contraste les prescriptions sur l’entretien, les objectifs et contenus déclarés par les enseignantes et le travail réellement effectué, nous décrirons les dynamiques organisationnelles ainsi que les savoirs mobilisés par les enseignantes durant les entretiens auprès des familles. Les résultats d’analyse issus d’une collecte de données de type ethnographique permettent la mise au jour d’une hypothèse a posteriori : la nature de ces savoirs semble composite; ils sont affirmés et relativisés dans l’action, en se présentant comme un système articulé par des savoirs centraux (moins négociables, plus fortement ancrés), des savoirs périphériques (plus négociables, moins fortement ancrés) et des savoirs transversaux (partagés par les enseignantes et les familles). L’interaction entre ces savoirs permettrait l’actualisation, la mutation et la circulation des différentes catégories repérées.
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 | 0.005 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".