Étude du travail d’intégration des activités collaboratives soutenues par le numérique lors de la planification chez les futurs enseignants FLS
Bibliographic record
Abstract
Les activités collaboratives jouent un rôle important dans l’enseignement et l’apprentissage des langues secondes, y compris en français langue seconde (FLS). Toutefois, la planification de ces activités soutenues par le numérique demeure un acte complexe pour les futurs enseignants en formation initiale. Dans cette perspective, cette étude vise à mieux comprendre le développement de leur capacité à planifier des activités collaboratives soutenues par le numérique, à travers celles qu’ils conçoivent lors du micro-enseignement et du stage. Nous souhaitons que cette étude offre une contribution ciblée au développement professionnel des enseignants en FLS en formation initiale. Adoptant une méthodologie de recherche à dominante qualitative, l’étude se réalise auprès des étudiants de la deuxième année du bac en enseignement du FLS (N=13). Elle s’étend sur les deux périodes consécutives,dans le cadre des cours concomitants (ateliers numériques et microenseignement) ainsi que du deuxième stage. Les résultats suggèrent que, malgré les difficultés rencontrées dans la planification et la mise en œuvre d’activités collaboratives soutenues par le numérique, les futurs enseignants développent progressivement leur confiance et leurs compétences. Un ensemble de dispositifs, soit des ateliers qui permettent de s’exercer à utiliser les ressources numériques et qui soutiennent l’appropriation de certains principes pédagogiques, l’utilisation d’un canevas de planification en vue d’une transposition dans un microenseignement et la documentation de celui-ci sur vidéo pour permettre une analyse des pratiques avec les pairs, favorisent le transfert des acquis vers le contexte du stage.
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 | 0.011 | 0.022 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 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".