Bibliographic record
Abstract
Ce mémoire porte sur la sanction à l'école dans le cadre d'une étude comparative entre les représentations que les enseignants ont de leurs pratiques en France et au Québec. La revue de littérature préliminaire soulève les différentes approches. La France montre une approche théorique différenciée s'attachant à la loi, au sujet ou au lien pédagogique. Le Québec s'attache à une approche pragmatique de la sanction et propose des solutions préventives et réactives pour gérer les comportements d'indiscipline. Il existe donc un écart dans la conception de la sanction entre les deux pays étudiés. Cet écart se caractérise principalement par la place de la prise en compte du sujet et du lien pédagogique dans la mise en œuvre de la sanction à l'école et par la gestion des comportements inappropriés (anticipation ou gestion a posteriori). Ces différences conceptuelles dans l'approche de la sanction se diffusent dans la culture pédagogique de chaque pays et donc dans l'expérience d'élève qu'ont eue les enseignants dans leur formation au métier d'enseignant et, au final, se révèlent dans les pratiques des enseignants en poste. L'étude a permis de valider les hypothèses de départ sur les différences d'approche de la sanction à l'école entre les enseignants québecois et français. Les enseignants français sont très attachés au respect de la loi, même si la prise en compte de la psychologie du sujet est efficace, et la gestion des comportements inappropriés se fait plutôt a posteriori. Le cadre légal (circulaire n° 91 du 6 juin 1991) qui régit les sanctions à l'école en France existe mais ne semble pas être connu des enseignants. Il n'est pas très développé et n'apporte pas de solutions pratiques aux professionnels (exemple en annexe de Toul). Les enseignants québécois s'attachent essentiellement à la prise en compte du sujet et du lien pédagogique pour respecter les lois et la gestion des mauvais comportements se fait par anticipation, par la réflexion sur les activités proposées et la motivation des élèves en lien avec leurs capacités, ainsi que par la mise en place de sanctions claires vis à vis des élèves (via la politique d'établissement). Enfin, les systèmes favorisant l'émulation collective et individuelle sont mis en place dans le cadre d'une gestion préventive des mauvais comportements.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".