Le développement professionnel informel d’universitaires
Bibliographic record
Abstract
La transformation du contexte universitaire appelle au déploiement de pratiques évaluatives plus inclusives pour tenir compte de la diversité de la population étudiante. Le développement professionnel requis pour soutenir ces changements de pratique à l’enseignement universitaire est généralement constitué d’apprentissages formels pour lesquels le corps enseignant dispose de peu de temps. Le projet actuel, mené dans le cadre d’une recherche doctorale, rend compte de quatre parcours de développement professionnel réalisé à partir d’apprentissages informels dans le cadre d’une participation volontaire à un projet de recherche. À la lumière de l’analyse d’entretiens semi-dirigés auprès de huit personnes enseignantes œuvrant dans quatre facultés de l’Université de Montréal, il apparait que la mobilisation du modèle interconnecté de la croissance professionnelle de Clarke et Hollingsworth (2002) permet d’observer que des échanges informels en fonction des besoins et des contextes soutiennent une actualisation des domaines personnel et de pratique. En outre, une version adaptée du modèle est proposée au regard d’un lien jusqu’à présent inédit entre les conséquences perçues et le domaine externe. Des pistes de recherche sont proposées pour approfondir les postures d’accompagnement et la pratique réflexive dans un contexte d’apprentissage informel.
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 | 0.007 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.012 | 0.008 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.035 | 0.006 |
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".