Plateforme numérique d’accompagnement professionnel en enseignement: défis liés à son élaboration, à sa mise en œuvre et aux stratégies collaboratives déployées
Bibliographic record
Abstract
Les compétences du 21e siècle constituent des enjeux de formation devant davantage s’inscrire au cœur de la préparation de la relève enseignante. Parmi ces dernières compétences, la collaboration représente une voie prometteuse permettant certes d’agir positivement sur le développement de compétences en enseignement, mais pouvant également être utilisée comme un levier de développement pour les intervenants de cette formation. Le projet TrEnsForma (Transition pour les Enseignant(e)s en Formation) a vu le jour en s’appuyant sur cette prémisse. Se présentant sous la forme d’une plateforme numérique, ce dispositif d’accompagnement professionnel s’adresse aux futurs et nouveaux diplômés de tous les secteurs d’enseignement et met en œuvre des activités de mentorat, d’autoformation, de coformation ainsi que des ressources audiovisuelles et des formations créditées. TrEnsForma est développé « pour » et « par » la collaboration. À l’invitation du numéro thématique sur les C21, ce texte illustre les défis du développement (le « par ») de cette plateforme numérique misant sur la collaboration à la fois comme moteur de son élaboration et de sa mise en œuvre. Par le truchement du récit d’expérience, les grandes étapes ainsi que les activités qui ont été nécessaires pour assurer son édification sont décrites, ce qui permet de dégager les stratégies collaboratives qui se sont révélées des leviers tout au long du processus de réalisation du projet.
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 | 0.004 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.013 | 0.007 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.054 | 0.015 |
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".