Étude et analyse du rapport aux savoirs scientifiques d’enseignants du 3e cycle du primaire au regard de leur attitude face à l’enseignement des sciences et de la technologie
Bibliographic record
Abstract
L’enseignement des sciences et de la technologie au primaire souffre généralement d’un déficit d’engagement des enseignants. Plusieurs recherches se sont penchées sur l’attitude de ces derniers et ont conclu, entre autres raisons, à des lacunes relatives aux connaissances des notions à aborder et à un faible sentiment d’efficacité personnelle. Or, malgré son caractère multidimensionnel, le concept de l’attitude ne tient pas compte du rapport que l’enseignant entretient avec les savoirs scientifiques et notamment avec ceux du programme scolaire. Dans le cadre de notre étude menée au Québec, nous avons mesuré l’attitude de 106 enseignants du 3e cycle du primaire avec le questionnaire Development of the Dimensions of Attitude toward Science (DAS), traduit en français. Puis, nous avons recueilli des données sur le rapport aux savoirs scientifiques (RASS) de 15 enseignants par le biais d’un bilan de savoir (réponses écrites à des questions ouvertes) et d’un entretien semi-dirigé. De cette double lecture des concepts de l’attitude et du RASS, il ressort que ces deux concepts partagent quelques composantes de nature essentiellement affective (sentiment d’efficacité, plaisir, crainte), mais se distinguent nettement sur d’autres.
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 | 0.006 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".