Usage et compétences TIC en formation initiale a l'ENS d'Abidjan (Cote d'Ivoire)
Bibliographic record
Abstract
Les TIC sont de plus en plus presentes dans toutes les spheres de la societe y compris dans l'education. Pour favoriser des usages effectifs de ces technologies par des enseignants dans les salles de classe, il devient pertinent de s'interesser aux usages qu'en font certains formateurs et futurs enseignants dans le cadre de la formation initiale. Ainsi, dans le contexte de la formation initiale des enseignants en Cote d'Ivoire a l'ENS d'Abidjan, l'objectif general de la presente these est de documenter les usages et la competence TIC. Pour repondre a ces preoccupations, une etude qualitative exploratoire a ete realisee a l'ENS d'Abidjan en Cote d'Ivoire. Les entrevues individuelles semi-dirigees avec des formateurs (n = 9) et des futurs enseignants (n = 15) ont été analysées, en adoptant une approche méthodologique basée essentiellement sur l'analyse du contenu. Les résultats sont présentes sous forme d'articles scientifiques. La thèse tente ainsi de décrire des usages des TIC par des futurs enseignants, de dresser un profil des formateurs usagers des TIC dans le cadre de la formation initiale a l'ENS d'Abidjan. Elle veut aussi examiner les usages des TIC par des futurs enseignants, en formation initiale, pour certaines des composantes de la compétence TIC. [Résumé d'auteur]
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".