Le profil du personnel enseignant du primaire au Burkina Faso : construction d’une typologie par l’analyse des pratiques enseignantes et relation avec la formation initiale
Bibliographic record
Abstract
Le programme Observation des pratiques enseignantes dans leur rapport avec les apprentissages des élèves (OPERA) a été mis en oeuvre au Burkina Faso de 2013 à 2015. Des analyses de pratiques enseignantes ont été faites sur la base d’observations de 90 enseignantes et enseignants de deuxième et sixième année du primaire lors d’une première phase et de 41 d’entre eux lors d’une seconde phase. L’analyse des données recueillies auprès des 41 enseignants observés au cours des deux phases ont permis d’établir deux types de profils : 1) des profils de représentations – « enseignement » ou « apprentissage » – du processus enseignement-apprentissage; 2) des profils de pratiques effectives révélant un profil relationnel positif, trois profils pédagogiques et trois profils didactiques. Après les avoir présentés, cet article propose une discussion sur ces profils en les mettant en lien avec les programmes de formation des enseignantes et enseignants. On constate qu’il n’existe pas de profil de pratiques pur ou définitif, le contexte amenant les enseignants à s’adapter. Néanmoins, le domaine didactique apparaît souvent moins investi que les deux autres par les enseignants, ce qui semble en phase avec l’orientation de leur formation, soit la pédagogie par objectifs.
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 | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".