Sentiment d’efficacité personnelle des personnes stagiaires à gérer la classe : influence des caractéristiques personnelles
Bibliographic record
Abstract
Afin de rapporter le niveau de sentiment d’efficacité personnelle (SEP) des stagiaires à gérer la classe de manière authentique et nuancée, il est important d’identifier les facteurs personnels qui sous-tendent la variation de celui-ci (BANDURA, 2006). En ce sens, l’explication d’une relation entre le degré d’efficacité personnelle des stagiaires en gestion de classe et leurs caractéristiques personnelles pourrait éclairer la voie vers une compréhension plus approfondie d’une compétence cruciale à l’enseignement pour les futur.e.s enseignant.e.s. L’objectif du présent article est de décrire et de comprendre l’influence des caractéristiques personnelles des stagiaires sur leur SEP à gérer la classe avant et après un stage de longue durée en enseignement. Un questionnaire portant sur le SEP à gérer la classe (GAUDREAU et al. 2015) et les caractéristiques personnelles stagiaires a été soumis avant, puis après le stage à 707 personnes stagiaires québécoises inscrites à leur troisième ou quatrième année de formation à l’enseignement. Les résultats montrent que le genre et l’âge des stagiaires ont une influence modérée sur leur SEP à gérer la classe. Par ailleurs, les stagiaires ayant acquis plus de trois ans d’expérience antérieure en éducation se sentent davantage efficaces au regard de la gestion de classe. La discussion des résultats met en lumière l’importance de considérer les variables personnelles afin d’évaluer de façon complète et authentique le niveau de SEP des futur.e.s enseignant.e.s quant à leur compétence à gérer la classe.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".