Effets d’une formation complémentaire sur la compétence d’enseignants stagiaires d’éducation physique et sportive tunisiens à prévenir et à gérer l’indiscipline
Bibliographic record
Abstract
L’objectif de cette étude est d’analyser l’apport d’un programme de formation en matière de gestion de l’indiscipline issu du modèle de Sieber (2001) sur l’apparition des comportements perturbateurs (CP) ainsi que les interruptions du programme d’action (fractures) lors des cours d’ÉPS par des enseignants stagiaires tunisiens. Pour ce faire, une analyse vidéoscopique en différé a été réalisée sur deux groupes de stagiaires : un groupe expérimental (Gr Exp ; n = 5) et un groupe témoin (Gr Tém ; n = 5). Un total de 929 CP est enregistré chez les deux groupes d’études dont 681 ont reçus une réaction et 248 ne l’ont pas été (gestion nulle ou hors champs visuel des stagiaires). Le Gr Exp en comparaison avec le Gr Tém s’est nettement amélioré quant à sa compétence de prévenir et gérer l’indiscipline. Cette nouvelle habilité est traduite par une diminution de l’apparition des CP et des fractures de l’enseignement. L’étude invite à enrichir la formation initiale offerte en matière de gestion de classe aux enseignants stagiaires afin de développer chez eux les stratégies adéquates de gestion de l’indiscipline lors des cours.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".