Étude de cas multiples portant sur la collaboration d’intervenants scolaires dans l’implantation d’une mesure d’activité physique
Bibliographic record
Abstract
Le ministère de l’Éducation et de l’Enseignement supérieur a implanté une nouvelle mesure « À l’école, on bouge! » dédiée à l’activité physique dans les écoles primaires du Québec pour l’année 2017-2018 (MEES, 2019) en cohérence avec la Politique de l’activité physique, du sport et du loisir (MEES, 2017), ainsi que la Politique gouvernementale de prévention en santé (MSSS, 2017). La mesure 15023 « À l’école, on bouge! » a donc pour but d’offrir au moins 60 minutes d’activités physiques par jour à tous les élèves. Il apparait pertinent de s’intéresser au processus d’implantation de la nouvelle politique québécoise. L’objectif étant de répondre aux besoins des élèves ainsi que d’assurer la pérennité de la mesure. L’implantation d’une intervention aussi complexe présente comme principal défi la nécessité de réunir un grand nombre d’acteurs autour d’un même projet (Cinq-Mars et Fortin, 1999). Selon Cinq-Mars et Fortin (1999), le seul moyen d’espérer la mise en œuvre de stratégies diversifiées et s’adressant aux besoins de la clientèle ciblée est par l’action concertée des différents intervenants scolaires. Selon Lessard (2005), la culture professionnelle présente dans les écoles du Québec, de type « cellule-classe », n’est pas favorable au développement du travail de collaboration interprofessionnelle. Par la collaboration, les intervenants peuvent trouver des solutions en équipe et être au diapason afin de faire face aux obstacles, d’assurer une implantation optimale et une pérennisation des actions mises en œuvre. Le cadre théorique a permis de répondre et de définir les fondements de cette recherche au regard de la question générale suivante: quels sont les processus et les caractéristiques de la collaboration sous-jacents à l’implantation de la mesure 15023 de la part des intervenants scolaires. Cela a été possible par la définition du processus d’implantation et de l’analyse de l’implantation qui vise donc à mieux comprendre ainsi qu’à cerner les éléments qui facilitent ou qui nuisent à l’intégration complète d’une intervention dans un contexte organisationnel précis (Champagne, Brousselle, Hartz, Contandriopoulos et Denis, 2011). Dans l’étude actuelle, le premier point d’intérêt est l’intervenant scolaire. Le second point est l’ensemble des interactions entre les intervenants scolaires afin de mettre en œuvre efficacement la mesure. Selon Beauregard et Kalubi (2011), la collaboration fait référence à « un processus social par lequel des acteurs sont appelés à partager la prise des décisions et le choix des mécanismes visant à combler leurs besoins ». Le processus de collaboration émerge donc de l’interdépendance entre les intervenants scolaires qui participent à l’implantation de la mesure dans l’école. Les caractéristiques de la collaboration vont influencer l’intensité de la collaboration. Ce processus d’intensification de la collaboration dépend de la relation entre les collègues selon le niveau de confiance qui existe entre eux. Ce cadre théorique a permis de développer deux objectifs spécifiques à cette recherche, à savoir : 1) identifier et décrire les processus de collaboration mis en œuvre par les professionnels et 2) identifier et décrire les caractéristiques de la collaboration. Pour répondre à ces objectifs de recherche, deux méthodes de collecte de données ont été élaborées soit l’entrevue individuelle semi-structurée et le groupe de discussion. L’objectif était de recruter de huit à douze intervenants participant à l’implantation de la mesure dans l’exercice de leurs tâches issues de deux écoles primaires. Toutefois, en raison de la pandémie mondiale de la Covid-19, la collecte de données n’a pu être réalisée. L’état d’urgence sanitaire a mené à la suspension de tous les services offerts par les établissements scolaires. Bien que les écoles aient rouvert leurs portes, l’instabilité et la précarité de la situation n’ont pas permis de réaliser la collecte de données. Étant donné le contexte pandémique exceptionnel, du travail déjà réalisé dans le cadre de cette étude et des objectifs de la maîtrise en sciences de l’activité physique de l’Université de Sherbrooke, de nouvelles actions adaptatives ont été développées afin de terminer ce mémoire. À la suite du chapitre présentant la méthodologie envisagée, trois nouveaux chapitres sont présentés. Dans un premier temps, un article professionnel qui est paru dans la revue Propulsion de la Fédération des éducateurs et des éducatrices physiques enseignants du Québec (FÉÉPEQ). Celui-ci explique les facteurs influençant les processus ainsi que les caractéristiques de la collaboration ainsi que différentes recommandations émises afin d’optimiser la collaboration. Le chapitre suivant présente le processus d’analyse découlant de ce parcours à la maîtrise par un bilan des expériences vécues, des compétences acquises et des retombées de cette formation sur la vie personnelle et professionnelle. Finalement, le dernier chapitre expose des recommandations afin de faciliter l’implantation d’une mesure en activité physique en contexte scolaire.
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 | 0.009 | 0.033 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.011 | 0.004 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.014 | 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".