Le coenseignement : bénéfices, limites et importance de la formation
Bibliographic record
Abstract
Dans le système scolaire français, l’inclusion d’élèves à besoins éducatifs particuliers dans les classes ordinaires du second degré est en augmentation. Cela a engendré le développement de coenseignement entre les personnels de l’enseignement régulier et de l’enseignement spécialisé. L’objectif de cet article est d’étudier les ressentis de chacun quant aux effets du coenseignement, et d’analyser l’impact d’une formation associée à sa mise en oeuvre. L’approche choisie s’appuie sur une enquête adressée à une cohorte composée de personnels enseignants réguliers et spécialisés ayant (ou non) bénéficié d’une formation spécifique. Les réponses sont traitées, d’une part, de façon statistique et, d’autre part, par une analyse qualitative. Il en ressort que les bénéfices constatés sont supérieurs aux difficultés induites par la pratique. Les résultats indiquent que le coenseignement aurait permis aux personnels enseignants de 1) gagner en compétence dans leur champ d’expertise, 2) diversifier leurs compétences, et 3) augmenter leur sentiment d’efficacité personnelle par les effets positifs constatés sur les élèves. Ces bénéfices perçus sont majorés par le fait d’avoir suivi une formation spécifique. La principale difficulté énoncée est celle du temps commun nécessaire à la préparation des séances. Globalement, les personnels interrogés adhèrent à la pratique malgré certaines difficultés et souhaitent la pérenniser.
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 | 0.019 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.006 | 0.006 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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".