De quelques effets de la crise sanitaire sur le milieu scolaire au Québec
Bibliographic record
Abstract
Dès la première année de pandémie, les chercheurs soulignaient la gravité de la situation et mettaient en évidence des symptômes de dépression et d’anxiété des jeunes, bien au-delà des moyennes habituelles. Il était également relevé que la hausse du temps passé devant les écrans et de la sédentarité a pu entraîner l’augmentation de divers problèmes de santé allant des troubles du sommeil à l’obésité ainsi qu’une perte de rythme relatif aux activités scolaires et sociales. Dans cette communication, nous proposons de nous intéresser aux changements technopédagogiques entrainé par la crise sanitaire ainsi qu’aux répercussion de cette dernière sur la santé des enseignants et élèves au Québec, province dans laquelle les mesures sanitaires ont été parmi les plus exigeantes avec, notamment, plusieurs périodes de confinement. Nous appuierons nos propos sur la littérature dans le domaine ainsi que sur des entretiens menés auprès de directions d’écoles primaires et secondaire et d’organismes de soutien au cours de l’automne 2021 et 2022. Nous ferons ainsi ressortir les difficultés repérées et leurs évolutions entre les deux années. Nous verrons notamment que les entretiens menés ont fait ressortir des symptômes d’anxiété, des problèmes d’anorexie et de comportements en classe ainsi qu’une baisse importante de motivation des élèves qui semblent parfois demeurer davantage problématiques que les apprentissages scolaires.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".