Rôle des enseignants dans l’intégration de la technologie en éducation. Un regard anthropologique
Bibliographic record
Abstract
L’objectif de la presente recherche est d’explorer la place de l’enseignant dans le processus d’integration des outils technologiques en enseignement. Recusant le determinisme technologique (Selwyn, 2012 ; Oliver, 2011), nous nous appuyons sur la theorie de l’activite developpee par Engestrom pour explorer les conditions anthropologiques (Martinez, 2005) de l’integration d’une technologie en education. La technique n’est pas neutre (Ellul,1988), il nous appartient alors de questionner les conditions sous-jacent son processus de diffusion dans le milieu scolaire et les consequences que cela amene dans les pratiques des enseignants et l’apprentissage des eleves. Les resultats preliminaires d’une quinzaine d’entretiens qualitatifs que nous avons menes dans les ecoles elementaires francophones a l’Est de l’Ontario nous montrent des tensions entre les enseignants qui questionnent la pertinence de la technologie dans leurs pratiques d’enseignement et son interet pour l’apprentissage des eleves, et les partisans de la technologie qui tentent de l’imposer dans les ecoles. Ces resultats indiquent clairement la non-neutralite de la diffusion de la technologie dans les ecoles et le refus des enseignants de compromettre l’apprentissage des eleves au nom de la technologie quand la dite-technologie n’est pas adaptee a l’apprentissage des eleves.
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 | 0.007 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.009 | 0.015 |
| Scholarly communication | 0.012 | 0.008 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".