Développement professionnel agentif et collaboratif des enseignants : communautés épistémiques via les réseaux sociaux en temps de crise
Bibliographic record
Abstract
Dans cet exposé, nous explorons les potentialités des réseaux sociaux pour le développement professionnel des enseignants dans une prospective d'agentivité.Le réseautage est une compétence clé dans les carrières professionnelles, soutenant l'apprentissage personnel et professionnel de l'individu, en particulier dans les situations de crise, de transformation personnelle et de changement social.À travers l'observation des groupes de réseaux sociaux (sur Facebook et Reddit) liée à la question du Covid-19 et l'exploration récente de la littérature pédagogique, nous voulons mettre en évidence comment les interactions des enseignants via internet peuvent faciliter le développement professionnel et collaboratif et soutenir un engagement épistémique collectif.La dimension collaborative et agentive exprimée dans l'interaction en ligne conduisant à discuter des implications sur le développement professionnel formel et informel.En fait, les réseaux sociaux peuvent être considérés comme des tiers espaces entre l'apprentissage formel et informel pour soutenir le développement professionnel, apportant également une connotation internationale et interculturelle.Certaines questions sont ouvertes sur les implications de l'engagement en ligne sur la formation initiale et continue des enseignants et sur l'impact des réseaux sociaux pour introduire des innovations dans les pratiques professionnelles et les communautés locales.
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 | 0.020 | 0.031 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.006 | 0.011 |
| Scholarly communication | 0.017 | 0.015 |
| Open science | 0.002 | 0.010 |
| Research integrity | 0.003 | 0.004 |
| 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".