Intégrer les TIC dans l’activité enseignante
Bibliographic record
Abstract
Avec la collaboration de Vincent Rousson Les réformes des programmes d’enseignement et de formation à l’enseignement mises en œuvre au Québec ainsi qu’ailleurs dans le monde industrialisé véhiculent l’idée, voire la conviction, fondée ou non, que les technologies de l’information et de la communication (TIC) peuvent accélérer le développement d’un éventail de compétences par les élèves. De par son caractère prescriptif, l’intégration des TIC dans l’enseignement et l’apprentissage soulève de nombreux problèmes et de non moins nombreuses questions d’actualité que cet ouvrage ne manque pas d’aborder sous différents modes, que ce soit sous l’angle de réflexions approfondies et documentées, de récits d’expériences concrètes d’intégration des TIC dans l’enseignement et l’apprentissage scolaires ou de la production de résultats de recherches récentes sur le sujet. Les étudiants engagés en formation initiale à l’enseignement, les enseignants en exercice, les directions d’établissement, les personnes chargées de la formation des maîtres ainsi que les chercheurs préoccupés par l’introduction harmonieuse de même que l’utilisation judicieuse des TIC dans l’enseignement et l’apprentissage en contexte scolaire y trouveront des éléments de réflexion mais aussi des pistes pour l’action. Ont collaboré à cet ouvrage : Séraphin Alava (Université Toulouse le Mirail), Jean Benoit (Université Laval), Monique Brodeur (Université du Québec à Montréal), Jean-François Cardin (Université Laval), Colette Deaudelin (Université de Sherbrooke), Jean-François Desbiens (Université de Sherbrooke), Marc Dussault (Université du Québec à Trois-Rivières), Vincent Grenon (Université de Sherbrooke), Thérèse Laferrière (Université Laval), Judith M. Lapointe (Université McGill), François Larose (Université de Sherbrooke), Sonia Lefebvre (Université du Québec à Trois-Rivières), Frédéric Legault (Université du Québec à Montréal), Yves Lenoir (Université de Sherbrooke), Jean Loiselle (Université du Québec à Trois-Rivières), Daniel Martin (Université du Québec en Abitibi-Témiscamingue), Jean-François Morin (Université de Sherbrooke), Marcel Nadeau (Université de Sherbrooke), Geneviève Nault (Université du Québec à Montréal), Thérèse Nault (Université du Québec à Montréal), Mary Pearson (Université de Sherbrooke), Jeanne Richer (Université du Québec à Trois-Rivières), Vincent Rousson (Université du Québec en Abitibi-Témiscamingue), Bastien Sasseville (Université du Québec à Rimouski), Carlo Spallanzani (Université de Sherbrooke), Stéphane Thibodeau (Université du Québec à Trois-Rivières).
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.016 | 0.020 |
| Scholarly communication | 0.015 | 0.007 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.005 | 0.009 |
| Insufficient payload (model declined to judge) | 0.010 | 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".