Favoriser l'apprentissage et le bien-être. Tutorat et autres dispositifs d'accompagnement
Bibliographic record
Abstract
La gestion de la pandémie de COVID-19 a exacerbé les failles du système scolaire et a entraîné des répercussions importantes sur l’apprentissage des élèves ainsi que sur la santé physique et mentale des enfants, des adolescents et des adultes qui les entourent. Réalisée entre l’été 2021 et l’été 2023, la recherche présentée dans cet ouvrage s’intéresse aux mesures instaurées par le gouvernement québécois concernant le bien-être de ces derniers, le tutorat et la glissade de l’été. Elle se fonde sur une revue de la littérature à ce sujet, sur 153 entretiens menés auprès d’actrices et d’acteurs des milieux scolaires, d’instances régionales de concertation et de différentes organisations, ainsi que sur les réponses de 309 directions d’écoles à un questionnaire. Cet ouvrage vise à faire le point sur la situation actuelle pour permettre de s’y adapter et s’adresse aux professionnelles et aux professionnels de l’éducation et de la recherche dans le domaine ainsi qu’aux responsables politiques et aux familles. La première partie permet de faire le point sur l’évolution de la situation et met en évidence une augmentation des lacunes et des difficultés constatées chez certains élèves ainsi que leurs répercussions sur les personnes qui leur enseignent. Elle présente également différentes initiatives prises par les directions d’écoles pour soutenir les élèves et le personnel scolaire. La deuxième partie porte sur les dispositifs d’accompagnement scolaire et tout particulièrement le tutorat. Elle fait ressortir la diversité des dispositifs proposés pour faciliter l’apprentissage et leurs effets positifs. La troisième et dernière partie traite des oublis qui ont lieu durant les vacances estivales et des dispositifs déployés pour aider les enfants et les adolescents à maintenir leurs acquis. Elle met en lumière l’existence d’une grande variété d’activités susceptibles de soutenir le bien-être et l’apprentissage durant l’été.
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 | 0.006 | 0.019 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.033 | 0.005 |
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".