Portrait des croyances entretenues par les enseignants de science et technologie au secondaire : élaboration d’un questionnaire et analyse typologique
Bibliographic record
Abstract
Il est aujourd’hui reconnu que les stratégies d’enseignement privilégiées par les enseignants dépendent de leurs systèmes de croyances (Buehl et Beck, 2014 ; Driel et al., 1998 ; OCDE, 2014). Puisque de tels choix auront nécessairement des conséquences sur les apprentissages, la réussite et la motivation des élèves, il apparaît crucial de mieux connaître leur nature. Nous avons conséquemment élaboré et validé un questionnaire visant à mieux comprendre les croyances relatives à la nature de la science, à l’enseignement et à l’apprentissage des enseignants de science technologie (ST), avec l’objectif d’éventuellement établir les liens indirects qu’elles peuvent entretenir avec la motivation de leurs élèves. Basé sur d’autres questionnaires existants, cet outil a permis d’inférer les croyances entretenues à partir de 30 items distribués en trois axes selon le modèle Sujet-Objet-Agent-Milieu (Legendre, 2005). Une analyse typologique a notamment permis de regrouper les réponses des enseignants (N = 25) en deux classes : d’un côté les « subjectifs, réfractaires à la technologie et directifs » et de l’autre les « objectifs, technophiles et participatifs ». Nous discutons finalement des implications possibles de ces résultats pour la formation continue des enseignants de ST.
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 | 0.010 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 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".