Les futurs enseignants du Québec et la compétence professionnelle à intégrer les TIC dans l’enseignement : Synthèse des résultats d’une enquête panquébécoise
Bibliographic record
Abstract
Ce document présente sommairement1 le contexte, les objectifs, la méthodologie et les principaux résultats\nd’une recherche ayant pour principal objectif de dresser un portrait du niveau de maîtrise de la compétence\nà intégrer de façon pédagogique les technologies de l’information et de la communication (TIC) chez les\nfuturs enseignants du Québec en stages III et IV2. Des acteurs de l'éducation de partout au Québec ont\nparticipé à cette recherche financée par le ministère de l'Éducation, du Loisir et du Sport (MELS). En effet,\nl'ensemble des neuf universités francophones du Québec offrant un programme de formation initiale à\nl’enseignement ont participé à cette importante enquête à laquelle ont pris part quelque 2 653 futurs enseignants,\nformateurs universitaires, superviseurs, enseignants associés3 et experts en TIC du milieu scolaire.\nLes résultats de l’enquête sont encourageants à plusieurs égards. Ils montrent notamment que les futurs\nenseignants possèdent à la fois les équipements nécessaires pour se familiariser avec les TIC et une grande\nmaîtrise des outils de base. De surcroît, les résultats révèlent que les futurs enseignants utilisent régulièrement\net de façon critique les TIC pour planifier, communiquer, rechercher de l’information, résoudre des\nproblèmes ou se perfectionner. L’enquête confirme aussi qu’une majorité d’enseignants utilise les TIC pour\nplanifier leurs activités d’enseignement. De surcroit, même si l’usage pédagogique des TIC est surtout\nprésent dans les activités de planification et de préparation et pour amener les élèves à utiliser les TIC, une\nproportion plus faible mais encourageante de futurs enseignants utilise de façon pédagogique et régulière\nles TIC en salle de classe.
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 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.009 |
| Science and technology studies | 0.013 | 0.004 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.018 | 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".