Les savoirs disciplinaires en formation initiale des maitres au préscolaire et au primaire au Québec : contributions du mémoire professionnel
Bibliographic record
Abstract
Le degré de maitrise des compétences langagières par les futurs enseignants est couramment déploré. Ces derniers sont souvent décrits comme de piètres scripteurs (Clerc, 1999 ; Préfontaine, 1998) ou ayant un rapport singulier avec l’écrit (Reuter, 1996). Afin d’améliorer leurs compétences langagières, différentes universités ont mis en place des mesures d’aide et d’accompagnement des candidats en difficulté. Dans leur parcours à visée professionnalisante, ils vivent diverses expériences scripturales qui ne servent pas d’abord à « améliorer » l’écrit, mais qui offrent des occasions de développer les compétences scripturales qu’ils peuvent réinvestir. Ces écrits empruntent différentes formes : récit de vie, portfolio, journal de formation, mémoire professionnel (Crinon et Guigue, 2006). Parmi ces outils, le mémoire professionnel est relativement peu répandu dans le contexte nord-américain, voire au Québec, alors qu’il pourrait être l’occasion de s’approprier individuellement des « objets de savoirs » (Altet, 2006). C’est pourquoi nous avons d’abord voulu vérifier, dans le cadre d’une étude exploratoire, si le futur enseignant découvre les spécificités de l’objet « écriture » à travers cette activité. Ensuite, nous avons interrogé les particularités de sa démarche cognitive afin d’en savoir plus sur son degré de sécurité linguistique avant d’intégrer le marché du travail.
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 | 0.007 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.019 | 0.008 |
| Scholarly communication | 0.010 | 0.004 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| 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".