Engagement dans la tâche d’élèves en difficulté d’apprentissage au primaire lors d’investigations guidées en science et technologie
Bibliographic record
Abstract
Depuis quelques années, dans les écoles du Québec, le concept d’inclusion scolaire est mis de l’avant dans les classes ordinaires des écoles du primaire. L’inclusion pose un défi pour les enseignants afin de favoriser les apprentissages des élèves vivant des difficultés de toutes sortes. Les principales caractéristiques de ces élèves sont une faible motivation scolaire et des difficultés marquées en français et/ou en mathématique. Une faible motivation scolaire se traduit par un manque d’engagement dans la tâche, et de ce fait, résulte une plus grande difficulté à apprendre. La diversification des approches pédagogiques est un facteur important de réussite scolaire pour les élèves en difficulté. En mettant de l’avant ce facteur, la science et la technologie semblent une avenue intéressante pour diversifier les approches pédagogiques au fait que l’intérêt que portent les élèves par rapport à cette discipline. Il est donc possible de supposer que cette discipline peut susciter de l’engagement chez les élèves en difficulté d’apprentissage. De plus, l’investigation guidée est une approche pédagogique offrant des conditions favorables aux apprentissages des élèves. À partir de ces prémisses, cette étude vise à décrire comment se manifeste l’engagement dans la tâche d’élèves en difficulté d’apprentissage lors d’une séquence d’enseignement en science et technologie, basée sur l’investigation guidée, en comparaison avec des séquences d’enseignement en mathématique et en français. La démarche de cette recherche s’inscrit dans un cadre qualificatif/descriptif. L’observation a été faite dans un milieu scolaire de la région du Saguenay Lac-St-Jean et quatre élèves en difficulté d’apprentissage ont été observés en action, dans différentes disciplines soit en français, en mathématique et en science et technologie. Différentes tâches ont été observées dans chacune des disciplines. De plus, l’enseignante a été rencontrée dans le cadre d’une entrevue semi-dirigée afin de compléter les informations relatives à chaque élève qui ont été traitées comme des études de cas. L’analyse de contenu se déroule en trois temps. Premièrement, un portrait de chaque élève est présenté suivi des observations faites par la chercheuse dans chacune des séquences d’enseignement. Ce premier mouvement d’analyse permet de comparer les manifestations d’engagement d’élèves en difficulté d’apprentissage lors de séquences d’enseignement en mathématique, en français et en science et technologie. Deuxièmement, les tâches communes aux trois séquences d’enseignement ont été regroupées et la tâche « expérimenter », qui est spécifique à la science et la technologie, ont été analysées plus attentivement dans le but d’identifier les tâches pour lesquelles les élèves en difficulté adoptent le plus de manifestations positives et négatives d’engagement dans la tâche lors de séquences d’enseignement en mathématique, en français ainsi qu’en science et technologie. Troisièmement, les tâches dans lesquelles les élèves en difficulté adoptent le plus de manifestations positives d’engagement ont été mises en lien avec les apprentissages du Programme de formation de l’école québécoise (MEQ, 2001) afin de faire ressortir le potentiel de la science et technologie au regard des apprentissages à faire dans différentes disciplines scolaires. Finalement, les constats généraux mettent en évidence que la discipline de la science et la technologie présente effectivement un potentiel pour travailler diverses compétences issues des domaines du français et de la mathématique, ainsi que plusieurs compétences transversales au fait que l’intérêt des élèves pour la discipline. Plus particulièrement, l’investigation guidée semble être une avenue motivante afin de travailler la compétence à écrire pour les élèves en difficulté d’apprentissage, et ce, dans un contexte différent. Cet engagement n’est pas étranger à l’approche par investigation guidée qui répond à 11 critères suscitant la motivation chez les élèves. Enfin, ce projet de recherche offre un aperçu de tout le potentiel que peut représenter l’investigation guidée en science et technologie pour travailler les apprentissages du Programme de formation de l’école québécoise (MEQ, 2001).
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 | 0.014 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.010 | 0.010 |
| Scholarly communication | 0.012 | 0.006 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.016 | 0.003 |
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".