Partage et développement de savoirs professionnels en milieu collégial : l’apport du groupe de codéveloppement professionnel accompagné
Bibliographic record
Abstract
Les savoirs professionnels en enseignement se développent grâce à une interaction constante entre la théorie et la pratique (Morales Perlaza, 2016). Ce développement comporte de nombreux défis inhérents aux secteurs de l’éducation. Pour les enseignants des collèges, généralement peu préparés à enseigner, les défis concernent la formation à l’enseignement, la complexification de la tâche et la réalité de l’effectif étudiant. Afin de soutenir le développement professionnel de huit enseignants du collégial, une recherche-action-formation, coordonnée par deux chercheuses, une conseillère pédagogique et une assistante de recherche, avait notamment pour objectif d’identifier des savoirs professionnels partagés et développés dans le cadre d’un groupe de codéveloppement professionnel accompagné (GCDPA). L’analyse des données, recueillies à partir des synthèses de chacune des rencontres et d’un groupe de discussion, a permis de mettre en relief les types de savoirs professionnels — sur les élèves, pédagogiques, contextuels, curriculaires, collaboratifs et humains — les plus fréquemment partagés par les enseignants.
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 | 0.031 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.009 | 0.007 |
| Scholarly communication | 0.010 | 0.009 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 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".