Élaboration du questionnaire QIMS mesurant l’intérêt, le sentiment d’efficacité personnelle et la perception du lien existant entre la mathématique et les sciences en contexte d’intégration
Bibliographic record
Abstract
L’intégration de disciplines scolaires telles que les sciences et la mathématique (S-M) permet de favoriser l’intérêt des élèves et le sentiment d’efficacité personnelle (SEP). Cependant, peu de questionnaires semblent avoir été développés pour mesurer ces variables perceptuelles dans ce type de contexte. Il ne semble pas non plus en exister qui soient adaptés pour les élèves du primaire au sein d’écoles défavorisées et multiculturelles. Cet article rapporte les résultats du processus de validation d’un tel questionnaire comprenant six échelles auprès de 1553 élèves de 5e ou 6e année dans des écoles de la région de Montréal, au Canada. Dans sa version finale, le Questionnaire sur l’intégration de la mathématique et des sciences (QIMS) permet de mesurer six variables perceptuelles : le SEP en sciences, le SEP en mathématique, l’intérêt pour les sciences, l’intérêt pour la mathématique, l’intérêt pour les activités intégrées S-M ainsi que la perception du lien entre sciences et mathématique. À notre connaissance, les deux dernières variables n’ont jamais été mesurées et les échelles proposées pour les mesurer sont inédites.
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 | 0.011 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".