Comment l’université peut-elle soutenir l’apprentissage des enseignants du primaire ? Une analyse de leurs apprentissages en milieu de travail
Bibliographic record
Abstract
Le présent texte fait état d’une recherche visant à décrire l’autorégulation de l’apprentissage chez des enseignants en considérant les caractéristiques de la formation réalisée dans leur milieu de travail. Les résultats indiquent que ces enseignants en formation continue procèdent à une régulation active dans l’action, le plus souvent induite par la formation. Les buts et les stratégies d’apprentissage sont rarement planifiés et les stratégies mises en œuvre se révèlent variées. Ils considèrent que leurs apprentissages sont le plus souvent réussis et les réactions affectives rapportées sont positives, rendant peu nécessaires des stratégies de modification des démarches d’apprentissage. Bien que les formations analysées présentent toutes des caractéristiques reconnues comme efficaces, elles se distinguent dans leur degré de structuration à l’avantage de celles étant les plus structurées.
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 | 0.018 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.011 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.020 | 0.005 |
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".