Bibliographic record
Abstract
Lorsque la supervision de stage en enseignement se fait à distance, l’approche collaborative des acteurs du milieu universitaire et de ceux du milieu scolaire nécessite des ajustements, voire de nouvelles façons de faire au service d’un dialogue favorable au développement professionnel des stagiaires. Si cette collaboration relève à la fois de possibilités et de limites à l’égard de la « présence » lors d’une supervision de stage à distance, notre recherche en révèle certaines caractéristiques selon un contexte particulier. L’objet de cette recherche était initialement le sentiment de présence de stagiaires supervisés à distance; la collaboration entre les superviseurs et les acteurs du milieu scolaire à l’aide des technologies de l’information et de la communication (TIC) s’est imposée au cours de l’analyse des données et cet article y est consacré. Selon le cadre de l’apprentissage collaboratif à distance de Henri et Lundgren-Cayrol (2001), nous en viendrons à proposer un collectif d’accompagnement au sein duquel la collaboration comporte des interactions enseignantes, cognitives et sociales dans un environnement en ligne réunissant entre autres le stagiaire, le superviseur et les acteurs du milieu.
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 | 0.006 | 0.032 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.017 | 0.003 |
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".