Les systèmes d’émulation utilisés par les enseignants novices pour gérer les comportements d’élèves s’appuient-ils sur la formation initiale ?
Bibliographic record
Abstract
Les systèmes d'émulation utilisés par les enseignants novices pour gérer les comportements d'élèves s'appuient-ils sur la formation initiale ?Formation et profession 32(2) 2024 • ésumé Dans le but d'améliorer la formation des futurs enseignants du primaire, cette contribution examine la pertinence du dispositif de formation en alternance intégrative de la HEP Vaud, en Suisse.Plus spécifiquement, dans le cadre de l' enseignement primaire, elle étudie l'utilisation par des enseignants novices de systèmes d'inspiration béhavioriste afin de gérer les comportements de leurs élèves, principalement l'usage des systèmes d' émulation.Nous constatons que les enseignants de notre échantillon qui y ont recours en ont pris connaissance sur le terrain professionnel, lors de leurs stages et non dans le cadre de la formation en institut.Nous relevons également qu'ils n' ont qu'une compréhension partielle de ces systèmes et qu'ils les appliquent sous forme de trucs et astuces, sans s'appuyer sur des savoirs robustes.
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 | 0.004 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.003 |
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".