Le lien prédictif entre le sentiment d’efficacité des enseignants, l’engagement cognitif et les buts d’accomplissement des élèves de la 4e à la 6e année du primaire
Bibliographic record
Abstract
L’engagement scolaire est un prédicteur important de la réussite scolaire et un facteur de protection contre le décrochage. L’engagement cognitif combiné aux buts de maîtrise plutôt qu’aux buts de performance des élèves rendent compte d’un apprentissage autorégulé qui permet à l’élève une meilleure compréhension de la matière et des aspirations scolaires plus grandes. Plusieurs facteurs peuvent favoriser l’apprentissage autorégulé de l’élève dont le sentiment d’efficacité de l’enseignant. Cette influence potentielle pourrait être expliquée par la mise en place par l’enseignant du climat motivationnel de la classe axé sur la maîtrise de la matière plutôt que la performance. Dans cette étude, les données de 373 élèves et 38 enseignants d’écoles primaires en milieux défavorisés à Montréal ont été étudiées à l’aide d’un devis longitudinal et des analyses de cheminement multiniveaux. Les résultats montrent qu’un haut sentiment d’efficacité de la part de l’enseignant prédit l’adhésion des élèves aux buts de maîtrise. Il prédit aussi la mise en place d’un climat motivationnel axé sur la maîtrise de la matière ce qui influence à la baisse les buts de performance des élèves. Ces résultats sont cependant marginalement significatifs et aucun lien n’a été observé entre le sentiment d’efficacité de l’enseignant et l’engagement cognitif des élèves dans cette étude.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 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".