Le Tableau ST: un site web pour diffuser des pratiques gagnantes en sciences et technologies
Bibliographic record
Abstract
Certains constats soulignent le fait que les enseignants au palier élémentaire manquent souvent de formation pour enseigner adéquatement les sciences et les technologies (ST). De nos jours, les élèves doivent développer leurs compétences scientifiques et environnementales pour faire face aux défis du 21e siècle. Un travail de longue haleine nous a permis de développer un site web : le Tableau ST, pour fournir un appui aux enseignants afin de promouvoir l’enseignement des ST en classe, grâce à des pratiques gagnantes rendues accessibles. Les pratiques gagnantes sont définies comme celles qui accompagnent les élèves dans leurs apprentissages et rejoignent des critères définis à la fois par les praticiens, les programmes ministériels et les recherches en didactique. Ce texte présente tout d’abord la problématique, puis le cadre conceptuel qui a animé un travail de trois ans visant à caractériser des pratiques gagnantes en ST d’enseignants de 4e à 6e année dans le but de les diffuser dans un site web. Puis, sont exposés notre méthodologie et enfin les résultats soit les retombées en termes des caractéristiques qui distinguent ces exemples choisies, l’organisation du site web et finalement l’inventaire des pratiques gagnantes obtenues.
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 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.008 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.012 | 0.014 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.104 | 0.051 |
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".