Les rapports préoccupants\n des futurs enseignants avec les milieux physiques et numériques
Bibliographic record
Abstract
Les futurs enseignants, dont plusieurs sont des natifs numériques, se distinguent des générations précédentes par leur manière de vivre et de travailler. L'utilisation des TIC contribue-t-elle à les distancer du milieu physique ? Sont-ils engagés dans l'action environnementale ? Notre étude visait à comprendre les rapports des futurs enseignants avec les milieux physiques et numériques. L'analyse des entrevues menées avec des étudiants en formation des maîtres, à Montréal et à Moncton, montre que les futurs enseignants entretiennent une relation discontinue avec le milieu naturel. Ils sont toutefois conscients que la nature leur procure calme, ressourcement et beauté. Fréquenté souvent, le milieu numérique leur offre distraction, affiliation sociale, information personnalisée, rapidité d’exécution et connexion avec un monde planétaire. Les futurs enseignants interrogés sont peu engagés en matière d’environnement. La recherche montre la nécessité de favoriser les rapports des futurs enseignants avec leur milieu de vie, à l'aide d'activités de terrain, de façon à les inciter à mieux connaître, apprécier et améliorer leur communauté écologique et sociale.
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 | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.020 | 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".