Quelques illustrations discursives d’une représentation sociale à l’égard de l’apprentissage et de l’enseignement
Bibliographic record
Abstract
Au regard d’une expérience pédagogique axée sur le dérangement épistémologique vécue par une cohorte de futurs enseignants de sciences au secondaire ou au collégial et par l’entremise d’une série d’entrevues semi-dirigées, le présent article met en évidence des traces de complexification conceptuelle de la représentation sociale de l’enseignement et de l’apprentissage d’un futur enseignant pris comme cas de figure. Il illustre la façon dont le virage épistémologique amorcé par ce futur enseignant le conduit vers une nouvelle conception de l’apprentissage et de l’enseignement qui rompt à plusieurs égards avec une approche de type empirico-réaliste et témoigne davantage d’une prise de conscience de la perspective constructiviste, tant par les propos tenus que par les projets pédagogiques menés ou envisagés à court ou à moyen terme. En conclusion se dégage la nécessité d’amener les futurs enseignants et enseignantes à remettre en question leurs conceptions initiales quant à l’apprentissage et à l’enseignement si l’on souhaite un renouvellement en profondeur des pratiques d’enseignement dans une perspective délibérément constructiviste de l’apprentissage.
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 | 0.006 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.006 | 0.026 |
| Scholarly communication | 0.012 | 0.010 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.022 | 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".