Gestion et leadership pédagonumérique : stratégies de gestion pour favoriser l’implantation du numérique dans les établissements d’enseignement au Québec
Bibliographic record
Abstract
Dans la foulée de la transition numérique du système scolaire québécois, les directions d’établissement d’enseignement et les gestionnaires scolaires ont reçu le mandat de planifier, de mettre en œuvre et de piloter l’implantation du numérique. Or, les pratiques professionnelles et les stratégies de gestion déployées dans ce cadre relèvent d’un domaine peu investigué en éducation. Cet article présente une partie des résultats de la recherche intitulée Gestion et leadership pédagonumérique (Gravelle et al., 2021), menée en collaboration avec le ministère de l’Éducation du Québec (MEQ) au printemps 2021. L’étude avait comme premier objectif d’alimenter l’état des connaissances actuelles concernant les rôles, les pratiques professionnelles et les stratégies de gestion des directions d’établissement d’enseignement et des gestionnaires scolaires qui ont implanté le numérique; elle avait comme second objectif de favoriser le partage d’expériences entre praticiens. Sur la base d’échanges tenus dans le cadre d’une communauté de pratique, six champs d’action réunissant diverses stratégies de gestion utilisées par les participants ont été dégagés. À la lumière du partage d’expériences et de pratiques professionnelles, l’article interroge la notion de leadership pédagonumérique, qui se révèle comme un moteur d’innovation au service de l’intégration du numérique.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.006 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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 teacher head, 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".