La relation avec les élèves : une dimension clé de la gestion de classe pour la planification d’un enseignement différencié
Bibliographic record
Abstract
L’hétérogénéité des classes primaires amène plusieurs chercheur·e·s à se pencher sur les pratiques de différenciation pédagogique afin de permettre au plus grand nombre d’apprenant·e·s de réussir. Il en ressort que les pratiques pédagogiques et les dispositifs didactiques mobilisés par les enseignant·e·s en classe doivent pouvoir se mettre au diapason des caractéristiques individuelles des apprenant·e·s. Pour ce faire, il semble que la gestion de classe soit un déterminant quant à l’implantation des pratiques différenciées. Cet article présente une recherche mixte qui vise à explorer les relations entre les pratiques différenciées et le sentiment d’efficacité à gérer la classe chez des enseignant·e·s au primaire de Montréal. Un questionnaire a été rempli par 154 enseignant·e·s du centre de service scolaire de Montréal (CSSDM) et un groupe de discussion a été organisé auprès de six d’entre eux. Les résultats obtenus tendent à confirmer la corrélation entre le SEP à gérer la classe et la fréquence d’utilisation de pratiques différenciées. Plus précisément, ils indiquent que la qualité des relations sociales en classe, dont celles entre les élèves et l’enseignant·e, est un prédicteur d’une utilisation plus fréquente de la différenciation pédagogique. Une relation enseignant·e-élève positive agirait comme un catalyseur pour favoriser des gestes didactiques différenciés.
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 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".