Sentiment de compétence des enseignant·e·s des cycles 1 et 2 face à l’enseignement musical. Une étude exploratoire
Bibliographic record
Abstract
Dans le contexte de l’enseignement primaire helvétique, cette recherche examine le sentiment de compétence des enseignant·e·s en éducation musicale et place l’étude dans le nouveau contexte de la didactique musicale spécifique. Selon de précédentes études, l’enseignement musical pose des difficultés aux enseignant·e·s généralistes au primaire. Cette recherche exploratoire tente ainsi de déterminer leur posture face à ces difficultés et s’insère dans les dernières recherches parues en didactique musicale pour proposer des pistes d’amélioration de la formation de base et de la formation continue. L’étude qualitative analyse l’action de 12 enseignant·e·s pendant des leçons de musique. Les données permettent de décrire l’action enseignante en mettant en auto-confrontation les stratégies déclarées par ces enseignant·e·s et leurs actes. Les résultats démontrent que ces enseignant·e·s répondent aux exigences professionnelles dans la mesure de leurs possibilités. Cette recherche exploratoire permet de mieux comprendre les difficultés et les besoins des enseignant·e·s face à la musique. Elle démontre un sentiment de compétence parfois précaire et conduit à des réflexions sur des actions futures, notamment pour la formation continue ou encore l’élaboration d’un référentiel de compétences.
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 | 0.005 | 0.018 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| 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".