L’apport d’une communauté de pratique au développement professionnel de superviseurs de stage en enseignement
Bibliographic record
Abstract
Lors de la coévaluation des apprentissages des stagiaires avec l’enseignant associé, plusieurs superviseurs de stage en enseignement éprouvent un malaise par rapport à leur rôle, leurs actions et leur posture. Pour certains, ce malaise serait dû à un manque de formation continue empêchant leur développement professionnel. Par la création d’une communauté de pratique, nous avons accompagné la réflexion et l’analyse des pratiques de supervision de stage qui se déroulent au sein de triades, composées du stagiaire, de l’enseignant associé et du superviseur. Notre objectif était d’étudier les apports de cette communauté à leurs pratiques. Dans cet article, nous présentons d’abord la problématique. Nous exposons ensuite le cadre conceptuel composé du rôle du superviseur, des enjeux de la triade, du développement professionnel et de la communauté de pratique. La démarche méthodologique est ensuite explicitée suivie des données collectées au moyen d’entretiens individuels semi-dirigés avec les superviseurs de la communauté de pratique. Les résultats de la pratique déclarée mettent en lumière les apports de la communauté de pratique au développement professionnel de ses membres.
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 | 0.015 | 0.029 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.009 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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".