La gestion de classe : une compétence émotionnellement exigeante pour les personnes stagiaires en éducation physique et à la santé
Bibliographic record
Abstract
Amenées à prendre en charge des classes qui leur sont confiées temporairement, les personnes stagiaires (PS) éprouvent toute une gamme d’émotions, souvent exacerbées par les multiples défis associés à la gestion de classe. Selon leur type et leur intensité, ces réactions émotionnelles peuvent amener les PS à douter de leurs compétences et, éventuellement, à remettre en question leur choix de carrière. La présente étude vise à caractériser et à analyser les émotions ressenties et exprimées par les PS en situation de gestion de classe. À cette fin, des entretiens semi-dirigés ont été menés, au début et à la fin d’un stage final, auprès d’un échantillon de six PS québécoises en 4 e année du baccalauréat en enseignement en éducation physique et à la santé. Nos résultats révèlent une prédominance des états de non-émotions et d’émotions négatives, parmi lesquels l’anxiété liée à la gestion de classe se distingue particulièrement. Cette recherche éclaire la place des émotions dans la gestion de la classe et met en évidence la nécessité d’une formation qui considère la dimension émotionnelle des futur.e.s enseignant.e.s. Une telle formation favoriserait le développement de compétences en régulation émotionnelle chez les stagiaires, facilitant ainsi leur insertion professionnelle et pouvant également contribuer à leur rétention dans le métier.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".