Usages inclusifs du numérique pour soutenir les apprentissages et l’engagement des élèves au secondaire
Bibliographic record
Abstract
L’intégration du numérique dans l’enseignement secondaire est désormais incontournable. Toutefois, tous les élèves ne disposent pas du même accès aux technologies ni des mêmes habiletés numériques ou expériences d’usage, ce qui influence leur capacité à en tirer profit. Cette disparité s’explique, d’une part, par les différences dans l’utilisation des technologies par les enseignants et, d’autre part, à la fois par la diversité des pratiques numériques des personnes enseignantes et par l’hétérogénéité des besoins et préférences des apprenants. Cette recherche vise à mettre en lumière la diversité des besoins et préférences des élèves du secondaire en matière d’usage du numérique, en s’alignant avec les principes de la conception universelle de l’apprentissage (CUA). Plus précisément, cette étude cherche à comprendre et à expliquer quels usages du numérique, adoptés par les personnes enseignantes, favorisent l’apprentissage et l’engagement d’un large éventail d’élèves, en tenant compte de leurs besoins individuels dans une perspective inclusive. Menée selon une approche méthodologique qualitative descriptive, elle se base sur des entrevues individuelles menées avec 17 personnes enseignantes et 40 élèves au secondaire, dans une diversité de niveaux et d’écoles au Québec. Les résultats sont organisés selon les trois grands principes de la CUA, de façon à mettre en relief les pratiques et usages du numérique susceptibles de soutenir les apprentissages et l’engagement d’une variété d’élèves en enseignement secondaire, dans une perspective inclusive.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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 teacher head, 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".