Comment s’articulent les préoccupations typiques des enseignant·es en formation en situation d’exercice de l’autorité ? Apports de l’analyse de l’activité
Bibliographic record
Abstract
Notre contribution s’intéresse à l’activité des enseignant·es en formation en situation d’exercice de l’autorité en la traitant en trois temps. Après avoir montré que la notion de gestion de classe est évolutive et développé en quoi celle d’exercice de l’autorité s’en distingue ou la rejoint, nous considérons les apports de deux paradigmes (behavioriste, constructiviste) et de deux approches (analyse des pratiques, analyse de l’activité) qui se sont succédé dans les recherches et les formations en gestion de classe depuis un demi-siècle. Au regard de ces travaux, nous présentons ensuite les apports de notre recherche empirique, qui s’inscrit dans une entrée « analyse de l’activité ». Nous exposons en quoi cette approche, qui implique la mise en place d’observations filmées suivies d’entretiens d’autoconfrontation, permet de mieux comprendre les préoccupations des enseignant·es au plus proche de leur activité réelle en classe. D’une part, celle-ci nous permet d’identifier deux préoccupations typiques et conjointes chez les enseignant·es en formation : enrôler/maintenir le ou les élève(s) dans la tâche et gérer un ou des comportement(s) d’un ou plusieurs élève(s) perçu(s) comme inapproprié(s). D’autre part, nous décrivons les trois façons dont s’articulent ces deux préoccupations : imbriquées, indépendantes ou incompatibles. Enfin, ces résultats ouvrent la discussion sur plusieurs pistes fécondes pour concevoir des dispositifs de formation articulés aux situations de classe et aux préoccupations des enseignant·es qui entrent dans le métier.
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 | 0.005 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.015 |
| Scholarly communication | 0.009 | 0.012 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.013 | 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".