Modèle de réussite d’une communauté d’apprentissage professionnelle : la dynamique causale comme outil de dialogue et d’analyse
Bibliographic record
Abstract
Dorénavant, l’école se doit de développer une culture nourrie par la collégialité de tous les acteurs qui amène la direction de l’école et les enseignants à oeuvrer ensemble comme collègues tout en cherchant à être apprenants les uns des autres dans l’amélioration de leur potentiel, voire du potentiel de l’équipe tout entière (Gather-Thurler, 2000). Cette équipe devrait fonctionner comme une communauté d’apprentissage où les membres apprennent les uns des autres et où le leadership est exercé à tour de rôle par les diverses personnes en tenant compte de leurs préoccupations à un moment donné. La question qui se pose est la suivante : comment peut-on favoriser un tel mode de fonctionnement? Cet article fait état d’une recherche où l’utilisation de la dynamique causale a servi à mieux définir les facteurs favorables à l’implantation réussie d’une communauté d’apprentissage professionnelle. Le groupe a identifié plusieurs facteurs qui ont été regroupés de la façon suivante : 1) le leadership de la direction d’école et des enseignants, 2) des attitudes positives pour travailler en collaboration telles que l’ouverture d’esprit, l’engagement, la volonté de partager ses connaissances, de s’entraider ainsi que de prendre des risques, l’humilité pour remettre en question le statut quo, le respect des autres, la confiance, 3) les ressources, 4) le temps pour discuter et échanger, 5) les données sur les résultats des élèves. Cet écrit fournit également aux directions d’école des occasions de réflexion sur la façon de transformer leur rôle pour laisser plus de place au dialogue collaboratif.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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; both teacher heads agree on what is shown here.
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".