Efficacité d’une formation en ligne pour les enseignants afin d’améliorer la gestion des comportements extériorisés
Bibliographic record
Abstract
Cette étude a pour but d’évaluer une formation, en ligne asynchrone, qui vise à améliorer chez les enseignants leur gestion des comportements extériorisés des élèves. Pour atteindre cet objectif, nous avons recruté 80 enseignants et 157 de leurs élèves. Les élèves ont été ciblés en raison de leur niveau de comportements extériorisés jugé élevé. Les 80 enseignants ont été affectés aléatoirement à un groupe contrôle ou à un groupe expérimental. Les enseignants ont rempli à deux reprises (prétest, posttest) des mesures qui évaluent : 1) les stratégies qu’ils utilisent, 2) leurs perceptions des comportements des élèves de la classe, 3) leurs perceptions des comportements de deux élèves ciblés en raison de leurs comportements extériorisés élevés. Les analyses par modèles mixtes linéaires montrent que les enseignants du groupe expérimental rapportent utiliser moins de stratégies punitives. Le niveau global des comportements extériorisés des élèves de la classe ainsi que les comportements agressifs et délinquants des élèves ciblés était jugé plus faible par les enseignants qui ont suivi la formation comparativement à ceux du groupe contrôle.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 0.002 |
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".