MétaCan
Menu
Back to cohort
Record W3041429235 · doi:10.37870/joqie.v4i5.56

Quand la didactique professionnelle vient en aide à l'approche par compétences

2014· article· fr· W3041429235 on OpenAlexaffabout
El Mostafa Habboub

Bibliographic record

VenueThe Journal of Quality in Education · 2014
Typearticle
Languagefr
FieldSocial Sciences
TopicEducation, sociology, and vocational training
Canadian institutionsUniversité de Sherbrooke
Fundersnot available
KeywordsHumanitiesPolitical sciencePhilosophy

Abstract

fetched live from OpenAlex

Au cours des dernières décennies, pour entre autres rénover le métier enseignant, plusieurs systèmes éducatifs, dont celui du Maroc, du Québec et de la France, ont introduit des réformes des programmes d’enseignement et de formation selon l’approche par compétences (APC). Cette approche, qui vise le développement des compétences professionnelles chez les enseignants, par exemple, pointe l’efficacité dans l’exécution de tâches précises et la mobilisation d’un ensemble de ressources, dont des savoirs de la pratique formalisés. Or, l’opérationnalisation de l’APC a des conséquences sur les dispositifs d’enseignement et de formation, et soulève par conséquent plusieurs questionnements. Il se pose par exemple la question de concevoir les savoirs professionnels en jeu comme un système complexe, celle de l’approche qui tiendrait compte de la multidimensionnalité de ces savoirs et celle de l’inscription de la formation professionnalisante attendue dans une logique d’action et de situation. Si, au Maroc, l’opérationnalisation de l’APC n’a pas eu le succès escompté, ces dernières années, dans une perspective de développement des compétences et pour des préoccupations entre autres pédagogiques et de professionnalisation, certaines institutions éducatives, de la France et en Belgique, font appel à la didactique professionnelle (DP). La finalité première de cet article est de discuter du comment la DP peut venir en aide à l’APC.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.034
metaresearch head score (Gemma)0.005
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMetaresearch
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: Qualitative
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.185
Threshold uncertainty score0.994

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0340.005
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.001
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.285
GPT teacher head0.508
Teacher spread0.223 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designQualitative
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2014
Admission routes2
Has abstractyes

Explore more

Same venueThe Journal of Quality in EducationSame topicEducation, sociology, and vocational trainingFrench-language works237,207