Prise en compte de la singularité du contexte lors des entretiens de supervision des stages en enseignement au primaire
Bibliographic record
Abstract
L’entretien de supervision reste un moment complexe nécessitant, entre autres, de la part du superviseur, de prendre en compte les éléments de singularité qui émergent du contexte ou de l’étudiant. Cette contribution s’intéresse à la façon dont le superviseur s’empare de ceux-ci pour réguler son accompagnement et construire son jugement évaluatif au terme de l’entretien. Cette étude, ancrée dans la formation initiale des enseignants en Belgique francophone, vise un double objectif : d’une part, examiner l’activité évaluative du superviseur durant cet entretien et, d’autre part, soutenir la réflexion, dans un contexte de réforme, sur les modalités d’organisation, d’accompagnement et d’évaluation des stages. L’étude a pour but de répondre aux questions de recherche suivantes : comment le superviseur gère-t-il des éléments de singularité liés au contexte du stage ? Comment ces éléments de singularité contribuent-ils à la construction d’ajustements évaluatifs au service du jugement évaluatif final ? Nous avons opté pour une étude de cas unique (Dumez, 2013 ; Merriam, 1988) s’inscrivant dans une approche qualitative à visée compréhensive et interprétative. L’analyse de contenu donne à voir comment un élément de singularité évoqué par l’étudiante lors des deux entretiens de supervision est mobilisé par chaque superviseure pour produire un ajustement au service du jugement évaluatif final.
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 | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.014 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 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".