Étude de cas du leadership exercé par trois directions d’établissement dans la mise en oeuvre du coenseignement au secondaire
Bibliographic record
Abstract
Le leadership des directions d’établissement est reconnu pour avoir un effet favorable sur l’instauration d’un coenseignement réussi. Plus spécifiquement, il s’agit de relever les pratiques de leadership en contexte d’instauration d’un dispositif de coenseignement, et de dégager des leviers, des défis et des pistes de solutions développées. L’objectif de cet article consiste à identifier le style de leadership mis en oeuvre par les directions. Des entretiens semi-dirigés, ont permis de questionner les directions à partir de six thèmes soit : le contexte de mise en oeuvre du coenseignement, l’organisation scolaire, le mandat donné aux coenseignants, le suivi effectué par la direction, l’appréciation du projet, les conseils à donner à une autre direction et les souhaits pour la suite du projet. Les analyses révèlent trois axes de gestion relatifs au leadership de la direction, soit promouvoir une vision du coenseignement, repenser l’organisation scolaire et établir une relation de confiance avec l’équipe-école. Au final, l’analyse montre que ces trois directions ont mis en oeuvre un leadership plus distribué dans leur école.
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 | 0.009 | 0.032 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 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".