Enseigner en formation professionnelle et soutenir les élèves ayant des besoins particuliers : des pratiques enseignantes mises en oeuvre
Bibliographic record
Abstract
Enseigner en formation professionnelle, au Québec, en 2016, suppose des particularités liées à une tâche complexe et variée, à de nombreuses responsabilités et compétences professionnelles ainsi qu'à un effectif étudiant hétérogène (Monette, Deschenaux et Tardif, 2012) composé de plusieurs jeunes en difficulté d'adaptation et d'apprentissage (CSE, 2012, MELS, 2010). Les enseignants de ce secteur de formation font alors face à plusieurs défis pour soutenir et enseigner aux élèves ayant des besoins particuliers (EBP). Cette communication présente des résultats d'une recherche participative axée sur les pratiques d'enseignement mises en œuvre auprès des élèves ayant des caractéristiques et des besoins diversifiés. En s'appuyant sur le cadre conceptuel de Lefeuvre (2005), les résultats montrent que certaines pratiques favorisent la réussite des ÉBP. Ainsi, la discussion et la réflexion émanant de cette présentation alimenteront les connaissances sur les interventions et les stratégies pédagogiques à privilégier auprès des ÉBP en formation professionnelle .
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 | 0.015 | 0.020 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.015 | 0.005 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.007 | 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".