Collaborer par le biais du portfolio numérique pour améliorer l’accompagnement du stagiaire : bilan au terme de deux années d’expérimentation
Bibliographic record
Abstract
Au Québec, les fonctions de l’enseignant associé et du superviseur universitaire sont balisées par un référentiel de compétences (Portelance, Gervais, Lessard et Beaulieu, 2008), lequel a fait l’objet d’études (L’Hostie, Cody, Cividini, Allaire et Gauthier, 2008-2011 ; Cody, Cividini et L’Hostie, 2011-2013) démontrant que ces acteurs clés souhaitent collaborer plus efficacement et aider le stagiaire à établir des liens entre les savoirs formels et expérientiels en formation initiale. Afin de répondre à ce besoin, une équipe composée de chercheurs universitaires, d’enseignants associés et de superviseurs universitaires a repensé l’usage du portfolio numérique pour en faire un outil d’accompagnement et de collaboration. Des données issues d’un questionnaire (n = 19) et de deux focus groups (n = 8) ont été analysées du point de vue de la collaboration entre les enseignants associés et les superviseurs universitaires. L’article mettra en lumière les résultats obtenus au terme de deux années d’expérimentation, notamment l’impact du dispositif sur la collaboration entre ces deux catégories d’intervenants.
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 | 0.032 | 0.055 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".