La simulation de situations professionnelles authentiques : une adaptation du modèle médical en Techniques de travail social
Bibliographic record
Abstract
Ce projet d’innovation vise à adapter la simulation clinique issue du milieu médical au domaine du travail social et plus spécifiquement, dans le cours Intervention sociale en situation de crise. Le cours se situe en cinquième session de Techniques de travail social au Cégep Marie Victorin. Le problème identifié fût l’authenticité des formules pédagogiques utilisées pour l’enseignement des compétences d’intervention; formules qui ne reflètent pas entièrement le critère complexe de la compétence enseignée. Le projet d’innovation vise l’amélioration de l’authenticité des formules pédagogiques utilisées pour enseigner les compétences d’intervention de crise et pour faciliter le transfert des apprentissages en stage et par la suite, en milieu de travail. Une recension des écrits issue principalement des soins infirmiers permet de comprendre les principes sur lesquels reposent la pédagogie par simulation. Par la suite, nous avons analysé ces principes au regard du champ du travail social et nous y avons fait les adaptations ou ajouts nécessaires. La mise en place de ce projet d’innovation et de recherche repose sur la démarche SoTL (Scholarship of Teaching and Learning) du bloc Innovation de la Maîtrise en enseignement au collégial de l’Université de Sherbrooke, secteur Performa. Cette démarche consiste à développer un projet d’innovation en adoptant une posture professionnelle de praticienne-chercheuse.
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 | 0.005 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.003 | 0.005 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
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".