Formation initiale des enseignants : explorer le potentiel d’un robot de téléprésence
Bibliographic record
Abstract
Lors de la formation initiale en enseignement, il arrive fréquemment que des classes universitaires se déplacent en milieu scolaire afin de créer des liens entre les apprentissages théoriques (effectués dans le cadre des cours universitaires) et la pratique. Cependant, dans le contexte de la pandémie de COVID-19 et des diverses mesures sanitaires de la santé publique, la formation pratique des étudiantes et des étudiants en éducation dans les établissements scolaires n’a pu avoir lieu. C’est dans cette perspective qu’un projet de recherche a été réalisé pour étudier l’enseignement à distance par le biais d’un robot de téléprésence. À partir de leur campus respectif, 17 étudiantes et étudiants ont enseigné des concepts à des élèves des écoles environnantes, et ce, en contrôlant un robot. Les résultats de l’analyse thématique montrent qu’il a été possible d’interagir avec les élèves lors de l’enseignement et que les étudiantes et les étudiants en formation ont acquis des connaissances pédagogiques liées à l’enseignement au cours de cette expérience pratique. Cette étude démontre que cette expérience novatrice a permis de parachever les apprentissages théoriques du cours universitaire.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.003 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 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".