Le rapport aux savoirs en lien avec le budget chez de futurs enseignants du primaire du Québec, selon trois postures épistémologiques
Bibliographic record
Abstract
La réalisation de cette étude et la publication de ce mémoire ont été possibles grâce au soutien de plusieurs personnes, dont celui ma directrice de recherche, Dr. Annie Savard.Je tiens à exprimer une profonde reconnaissance envers celle-ci pour sa disponibilité, son support indispensable, ses judicieux conseils ainsi que son amitié depuis notre rencontre.De plus, j'aimerais remercier les professeurs de l'Université McGill, qui ont participé à l'enrichissement de mes connaissances académiques et scientifiques et qui m'ont fourni les outils méthodologiques essentiels à l'aboutissement de ce projet.Toutes ces notions ont été nécessaires à mon cheminement en tant que chercheuse et ont grandement contribué à la réussite de mes études.Un merci spécial à mon collègue et ami, Dr. Alexandre Soares Cavalcante, professeur de mathématiques à l'Université de Toronto.Son support au niveau académique, professionnel mais aussi moral tout au long du processus a su éclairer ma vision de la recherche.En terminant, je souhaite exprimer une profonde gratitude envers tous les membres de ma famille, sans qui la concrétisation de ce projet aurait été absolument impossible.
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 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.014 | 0.005 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 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 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".