Communautés d’apprentissage professionnelles auprès du personnel enseignant au primaire en contexte francominoritaire : moyen prometteur pour faciliter la mise en oeuvre de la pédagogie universelle
Bibliographic record
Abstract
La pédagogie universelle (PU), une approche inclusive et flexible, est un moyen privilégié pour répondre aux besoins variés de tous les élèves puisqu’elle leur offre davantage de choix et de possibilités lors des activités d’apprentissage qui leur sont proposées. Les recherches dans les domaines de l’éducation inclusive et du développement professionnel notent la nécessité de la formation continue du personnel enseignant et soulignent la valeur des communautés d’apprentissage professionnelles (CAP) à cet effet. Les recherches sur les CAP témoignent de leur avantage pour amener des retombées concrètes sur l’apprentissage et la réussite des élèves. Les recherches sur la PU, quant à elles, soulignent son potentiel pour réduire le nombre d’accommodements individualisés et enseigner à tous les élèves, mais peu démontrent comment les CAP peuvent favoriser son implantation. Cet article s’intéresse alors aux résultats d’une recherche-action visant à documenter la formation continue sur la PU par le biais de CAP de personnes enseignantes du primaire en contexte francominoritaire. Les résultats présentés mettent en évidence l’importance des CAP pour faciliter la mise en oeuvre de la PU, la cohésion de l’équipe-école ainsi que la persévérance à implanter la PU malgré les difficultés rencontrées, et ce, en pleine crise sanitaire.
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 | 0.010 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.006 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| 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".