L’ approche piklérienne en Centre de la petite enfance (CPE) : le jeu selon des éducatrices d’enfants de 3 à 5 ans
Bibliographic record
Abstract
Au Québec, nous remarquons l’importance accordée à la qualité éducative en services de garde. Toutefois, les résultats des deux enquêtes Grandir en qualité (Drouin, Bigras, Fournier, Desrosiers & Bernard, 2004 ; Gingras, Lavoie et Audet, 2015) présentent des résultats similaires, malgré l’intervalle de temps qui les sépare. Il semblerait qu’une meilleure compréhension de certains concepts aurait pu permettre d’améliorer les pratiques des équipes éducatives, notamment la valorisation du jeu, l’importance des ateliers libres ainsi que l’intervention démocratique (Gingras & al., 2015). Comme certaines équipes de CPE sont inspirées par différentes approches pédagogiques, mieux comprendre l’influence de l’une de celles-ci devenait pertinent. En effet, l’approche d’Emmi Pikler et son regard sur l’activité de l’activité autonome (jeu de l’enfant) ont fait leur entrée dans des CPE, il y a approximativement 10 ans. Conséquemment, c’est dans des CPE où l’on s’appuie sur les travaux d’Emmi Pikler que cette étude a été réalisée. Cet article porte donc sur l’influence de l’approche piklérienne sur le concept de jeu selon des éducatrices d’enfants de 3 à 5 ans.
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 | 0.007 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.010 | 0.004 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 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".