Le discours des enseignantes et enseignants du primaire et secondaire face à l'intégration dans la pratique professionnelle des technologies de l'information et des communications
Bibliographic record
Abstract
L'intégration des technologies de l'information et des communications (TIC) à la pratique enseignante présente un défi pédagogique et professionnel majeur pour les enseignantes et enseignants du Québec. Cependant, le corps enseignant fait face à plusieurs contraintes organisationnelles et professionnelles qui freinent l'intégration des TIC à sa pratique et qui marquent son discours. La recherche a pour but de déterminer quelles sont ces contraintes, de connaître leur impact sur l'intégration des technologies à la pratique et de cerner les fondements idéologiques du discours des enseignantes et enseignants. \n \nDeux corpus - le premier puisé dans la littérature sur l'utilisation pédagogique des TIC et le second constitué d'entrevues avec des enseignantes et enseignants du primaire et du secondaire - ont été soumis à une grille d'analyse de renonciation. Cette analyse a permis de mettre en évidence les stratégies énonciatives utilisées dans les corpus et de les comparer entre elles afin d'en faire une interprétation axée à la fois sur les problèmes pratiques de l'intégration technologique et sur le processus d'élaboration des discours. \n \nLa recherche tend à démontrer que les contraintes professionnelles et organisationnelles, liées entre autres à la gestion du temps et à la formation, doivent être prises en compte afin que le processus d'implantation des nouvelles technologies à l'école débouche sur une intégration à la pratique enseignante. \n \nEn ce qui a trait à l'analyse du discours, la recherche fait état d'une distance marquée entre le discours exprimé dans la littérature ? porteur d'une image d'une école transformée par la technologie - et le discours des enseignantes et enseignants, plus pragmatique, qui n'existe qu'en fonction de l'univers dans lequel il s'inscrit et où est évacué cette image de l'éducation. La recherche démontre que le discours des personnes interrogées ne constitue pas l'expression d'un refus de la technologie mais représente plutôt une critique de politiques d'implantation qui ne tiennent pas compte des exigences pratiques de la profession. \n
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 | 0.008 | 0.027 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.008 | 0.010 |
| Scholarly communication | 0.015 | 0.009 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.044 | 0.008 |
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".