Classe inversée : quels obstacles en formation des enseignants dans le contexte français ?
Bibliographic record
Abstract
En ce début de XXIe siècle, l’enseignement supérieur doit relever de nombreux défis et permettre la réussite des étudiants, et ces défis se posent avec une acuité particulière dans le domaine de la formation des enseignants français, puisque ces derniers se voient confier la responsabilité d’une classe pour leur année de stage. Le cheminement de deuxième année de Master en vigueur dans notre université octroie trente heures de formation à la didactique du français. Dans ce contexte, nous avons fait l’hypothèse que la classe inversée offre une perspective intéressante en permettant de « repousser » les limites de l’espace-temps de la formation en présentiel. Plus précisément, notre problématique vise à se demander dans quelle mesure la classe inversée est adaptée au contexte spécifique de la formation des enseignants français, et pourrait favoriser en particulier leur développement professionnel. Des éléments de réponse sont fournis par l’analyse d’entretiens semi-directifs menés avec des étudiants stagiaires, qui permettent d’identifier et de sérier un certain nombre d’obstacles et de freins.
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 | 0.010 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.018 | 0.018 |
| Scholarly communication | 0.016 | 0.012 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.016 | 0.002 |
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".