Penser l’espace classe pour un climat d’apprentissage optimal : enquete aupres d’etudiants et d’enseignants debutants francais de l’ecole primaire
Bibliographic record
Abstract
Il s’agit d’observer à travers une enquête menée auprès de deux catégories d’individus français destinées à devenir enseignant à l’école primaire (n = 223), quels aménagements de classe sont perçus comme propices à un climat d’apprentissage optimal ? Autrement dit, quelles composantes du climat d’apprentissage influent sur leurs représentations de la classe idéale et existe-t-il des points de vue divergents selon le profil des deux publics ciblés (étudiants et enseignants stagiaires) et entre celles et ceux qui exercent en maternelle et en élémentaire ? Les classements obtenus à partir de la procédure originale de Condorcet et de la méthode de Borda dévoilent en premier lieu l’appétence des répondants pour l’organisation en îlots et en classe flexible. En second lieu, la classe en autobus serait ressentie comme plus propice à la gestion de classe qu’au bien-être des élèves et à leurs apprentissages. Au final, en différenciant les dispositifs spatiaux selon les objectifs visés (gestion de classe, apprentissages, bien-être), les étudiants et fonctionnaires stagiaires aborderaient la salle de classe comme un levier façonnant le comportement des élèves et leur engagement dans les apprentissages.
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 | 0.014 | 0.033 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.018 | 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; 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".