Création d’un guide pédagogique pour outiller les enseignants en insertion professionnelle au 2e cycle du primaire dans leur gestion de classe en début d’année scolaire
Bibliographic record
Abstract
La chercheuse a consulté plusieurs écrits afin de définir l’insertion professionnelle et de soulever les principales difficultés des enseignants novices. Constatant que la gestion de classe est leur plus grande difficulté en début de carrière, elle a approfondi ses recherches sur ce concept en le définissant et le décrivant plus explicitement possible. Puisqu’il semble y avoir peu d’ouvrages pédagogiques fournissant des outils pratiques et complets pour les premiers jours avant et après la rentrée scolaire, la pertinence d’une recherche développement est justifiée. En plus de répondre aux besoins des enseignants novices du 2e cycle du primaire en début d’année scolaire et de s’appuyer rigoureusement sur le concept à la base de cette recherche, soit la gestion de classe, le guide a aussi été évalué par trois personnes expertes : Mme Fanny Dessain, enseignante en insertion professionnelle, Mme Odile Morin, enseignante au 2e cycle du primaire ainsi que Mme Nathalie Poulin, psychoéducatrice et formatrice à la CSDM (Commission scolaire de Montréal) pour les enseignants novices. À la suite de la lecture de leurs commentaires, des améliorations ont été apportées au guide pour lui procurer encore plus de rigueur et pour qu’il soit le plus près possible de la réalité des milieux scolaires actuels.
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 | 0.006 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.006 | 0.007 |
| Insufficient payload (model declined to judge) | 0.022 | 0.016 |
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".