De la gêne à la joie, de l’anxiété à la fierté : des émotions au service des échanges oraux dans les cercles d’auteur·es vécus par des enseignantes
Bibliographic record
Abstract
Cet article porte sur la question des émotions vécues par des enseignantes ayant fait l’expérience des cercles d’auteur·es (Vopat, 2009), un dispositif intégré d’apprentissage de l’écriture, de la lecture et de l’oral (Tremblay & Turgeon, 2019). Nous souhaitons illustrer comment ce dispositif contribue à la création d’un esprit de communauté basé sur l’écoute, le respect et la collaboration entre pairs, tant chez des personnes enseignantes que des élèves. Nous faisons l’hypothèse que les émotions, largement positives, vécues au fil des étapes des cercles d’auteur·es (Tremblay & Turgeon, 2022) contribuent à l’établissement d’un climat de confiance et de respect propice aux échanges oraux et à la collaboration et qu’en retour, ce climat favorise la présence d’émotions positives. Pour appuyer cette hypothèse, nous ferons appel à deux types de données : des questionnaires remplis par des enseignantes après qu’elles aient vécu chacune des étapes du dispositif, suivant le principe de l’approche expérientielle (Kolb, 1984), et des entrevues menées auprès de ces mêmes enseignantes après deux années de participation au projet. À travers l’analyse de ces données et leur mise en relation avec des études ayant porté sur le rôle des émotions en éducation, nous souhaitons montrer l’influence des émotions (notamment des émotions positives) vécues à travers le dispositif pour l’établissement d’un climat propice aux échanges oraux et à la collaboration entre pairs, qu’il s’agisse d’adultes ou d’enfants.
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 | 0.003 | 0.009 |
| 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 | 0.006 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 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".