L’amenagement flexible de la classe sous les projecteurs : analyse des retombees sur les apprentissages des eleves ainsi que sur les pratiques pedagogiques d’enseignantes du primaire
Bibliographic record
Abstract
L’aménagement physique de la classe n’est pas une préoccupation nouvelle, quoiqu’il fasse l’objet d’un intérêt grandissant depuis quelques années. Pourtant, encore relativement peu d’études scientifiques portent sur le sujet. Quelques recherches sur la classe flexible commencent à émerger, mais elles occultent souvent des dimensions de l’apprentissage des élèves qui dépassent leurs résultats scolaires ou les aspects pédagogiques. Ainsi, nous avons cherché à dégager les influences que la classe flexible peut avoir sur les pratiques pédagogiques d’enseignantes du primaire au Québec, de même que sur l’apprentissage de leurs élèves, en considérant la satisfaction de certains de leurs besoins et des dimensions de leur bienêtre. Pour ce faire, nous avons réalisé des analyses secondaires sur les données d’un sondage en ligne (n=27) et d’entretiens semi-dirigés (n=5) qui ont tous deux été administrés en 2019. Plus spécifiquement, une analyse par codage thématique a été réalisée sur les perceptions des enseignantes au sujet des retombées de la classe flexible pour leurs élèves et pour elles-mêmes. Les résultats indiquent que la classe flexible contribuerait notamment à la satisfaction de plusieurs besoins chez les élèves, de même qu’à certaines dimensions et composantes de leur bienêtre. De plus, elle faciliterait la mise en œuvre de diverses compétences professionnelles pour les enseignantes.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".