L'anxiété des élèves au primaire : une analyse des connaissances théoriques et pratiques des enseignants
Bibliographic record
Abstract
Cette recherche vise à mieux connaitre l’état actuel des connaissances des enseignants du primaire sur la question de l’anxiété des élèves à l’école. Menée auprès de douze enseignants du Québec à l’aide d’entretiens semi-dirigés, elle a plus spécifiquement pour objectif d’identifier leurs connaissances sur la problématique de l’anxiété des élèves (causes, conséquences, manifestations), de décrire les interventions qu’ils pratiquent pour la prévenir et la faire diminuer et de déterminer la provenance de ces connaissances. Les résultats suggèrent que les connaissances des enseignants proviennent principalement de leurs expériences personnelles et professionnelles et que la formation initiale ou continue contribue peu à ces savoirs. Bien qu’ils arrivent à identifier certaines causes, manifestations et conséquences de l’anxiété et à décrire certaines interventions pour prévenir ou réduire l’anxiété de leurs élèves, les connaissances sont inégalement réparties parmi les participants et demeurent partielles. À la lumière de ces résultats, une réflexion est amorcée concernant notamment l’amélioration de la formation initiale et continue des enseignants sur le sujet.
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 | 0.014 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.007 | 0.016 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.012 | 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".