Etude de pratiques d'enseignement relatives a la modelisation en sciences et technologies avec des enseignants du secondaire
Bibliographic record
Abstract
Les modèles sont des outils amplement utilisés en sciences et technologies (S&T) afin de représenter et d’expliquer un phénomène difficilement accessible, voire abstrait. La démarche de modélisation est présentée de manière explicite dans le programme de formation de l’école québécoise (PFEQ), notamment au 2ème cycle du secondaire (Québec. Ministère de l'Éducation du Loisir et du Sport, 2007a). Elle fait ainsi partie des sept démarches auxquelles élèves et enseignants sont censés recourir. Cependant, de nombreuses recherches mettent en avant la difficulté des enseignants à structurer leurs pratiques d’enseignement autour des modèles et de la démarche de modélisation qui sont pourtant reconnus comme indispensables. En effet, les modèles favorisent la conciliation des champs concrets et abstraits entre lesquels le scientifique, même en herbe, effectue des allers-retours afin de concilier le champ expérimental de référence qu’il manipule et observe au champ théorique relié qu’il construit. L’objectif de cette recherche est donc de comprendre comment les modèles et la démarche de modélisation contribuent à faciliter l’articulation du concret et de l’abstrait dans l’enseignement des sciences et des technologies (S&T) au 2ème cycle du secondaire. Pour répondre à cette question, nous avons travaillé avec les enseignants dans une perspective collaborative lors de groupes focalisés et d’observation en classe. Ces dispositifs ont permis d’examiner les pratiques d’enseignement que quatre enseignants mettent en oeuvre en utilisant des modèles et des démarches de modélisation. L’analyse des pratiques d’enseignement et des ajustements que les enseignants envisagent dans leur pratique nous permet de dégager des connaissances à la fois pour la recherche et pour la pratique des enseignants, au regard de l’utilisation des modèles et de la démarche de modélisation en S&T au secondaire.
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 | 0.009 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.006 |
| Scholarly communication | 0.010 | 0.008 |
| Open science | 0.003 | 0.005 |
| Research integrity | 0.003 | 0.005 |
| 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".