Les modèles d’enseignement et les formules pédagogiques utilisés en éducation plein air en contexte scolaire québécois : une étude exploratoire
Bibliographic record
Abstract
La diversification pédagogique est encouragée en milieux scolaires afin de répondre aux besoins et aux caractéristiques uniques de chaque apprenant (MEQ, 2020; Raby et Viola, 2016). Pour y arriver, de plus en plus de personnes enseignantes se tournent vers l’éducation plein air (ÉPA). À la fois méthode d’apprentissage et objet d’enseignement (Quay et Seaman, 2013), l’ÉPA est définie par Donaldson et Donaldson (1958) comme une éducation dans, à propos et pour les milieux extérieurs. Ce mémoire fait état d’une étude documentant différents modèles d’enseignement et différentes formules pédagogiques utilisés en ÉPA à partir d’un cadre conceptuel issu des travaux de Raby et Viola (2016) et de Chamberland et al. (1995). L’étude visait également à mieux comprendre les raisons et les influences qui ont mené les personnes enseignantes vers ces choix pédagogiques. Pour répondre à ces deux objectifs, une recherche exploratoire qualitative a été menée auprès d’un échantillon de convenance de huit participants. Deux mouvements d’entretiens semi-dirigés individuels ont été réalisés. Le premier entretien visait à cerner la pratique générale des répondants en lien avec l’ÉPA, mais aussi à comprendre leurs motivations et leurs influences à pratiquer l’ÉPA. Le deuxième entretien a permis quant à lui de spécifier et de décrire davantage les modèles d’enseignement et les formules pédagogiques décrits lors du premier temps de collecte. Il ressort des résultats de cette recherche que les modèles d’enseignement et les formules pédagogiques priorisés à l’extérieur sont ceux qui permettraient aux élèves d’être en action et en interaction avec les autres ainsi que leur environnement. De plus, les personnes enseignantes combineraient différentes méthodes d’enseignement afin d’introduire les élèves à de nouveaux concepts, les faire travailler ensemble, les motiver et enrichir les apprentissages au moyen de la communauté et des environnements fréquentés. En outre, les expériences personnelles et professionnelles antérieures exercent une influence importante dans la pratique des personnes enseignantes, de même que les formations suivies.
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 | 0.010 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.007 | 0.009 |
| Scholarly communication | 0.012 | 0.006 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
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".