La perception des enseignants de l’intérêt de l’utilisation des technologies informatisées dans les communautés d’apprentissage professionnelles (CAP) en Afrique francophone : Le cas des Cellules d’animation pédagogiques et culturelles (CAPC) au Sénégal
Bibliographic record
Abstract
Depuis les Indépendances, il existe ce qu’on appelle les Cellules d’animation pédagogiques et culturelles (CAPC) au Sénégal. Pouvant être assimilés à des communautés d’apprentissage professionnelles (CAP) ou plus généralement des communautés de pratiques (CoP), ces groupes d’enseignants titulaires ou contractuels d’une ou plusieurs écoles élémentaires de proximité se rejoignent en dehors des temps de classe pour échanger sur leurs pratiques d’enseignement-apprentissages, leurs difficultés et leurs réussites. Depuis 2017, le ministère de l’Éducation nationale du Sénégal et ses partenaires internationaux ont souhaité redynamiser les CAPC de la région de Casamance avec notamment l’intégration des technologies informatisées (TI) appelées communément le numérique. Le Projet d'amélioration de l'éducation de base en Casamance (PAEBCA) a permis de doter les CAPC de tablettes numériques et de vidéoprojecteurs pour filmer l’enseignant en situation de classe (Diop et Wallet, 2017). À partir d’une grille d’observation, ils analysent ensuite le film projeté pour tenter d’améliorer la démarche pédagogique et les pratiques de classe. Dans le cadre d’une recherche doctorale en cours, nous tenterons d’apporter des éléments de réponse à la question : comment l'utilisation des technologies informatisées est-elle perçue par les enseignants au sein des CAPC au Sénégal? Les premiers résultats des entretiens semi-directifs réalisés auprès de 21 enseignants en Casamance montrent une pratique variée d’outils et une volonté institutionnelle d’intégrer les technologies dans la formation continue des enseignants. Les discours montrent également une volonté des enseignants de remédier aux difficultés d’utilisation, notamment à travers les échanges virtuels à distance synchrones et asynchrones qu’on appelle ici application mobile multiplateforme (AMM). Néanmoins, nous avons observé un manque de réflexivité autour des questions d’instrumentation des pratiques pour une véritable intégration des technologies dans les communautés. Cet article a pour but de donner un éclairage sur les enjeux sous-jacents des technologies informatisées dans les communautés d’apprentissage professionnelles (CAP) en contexte africain francophone.
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 | 0.004 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.001 | 0.004 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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; both teacher heads agree on what is shown here.
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".