MétaCan
Menu
Back to cohort
Record W7104272633 · doi:10.71781/5777

Entre les acquis de la formation et la pratique enseignante : que connaissent les enseignants à propos de leurs élèves ?

2020· dissertation· fr· W7104272633 on OpenAlexaboutno aff

Bibliographic record

VenuePapyrus : Institutional Repository (Université de Montréal) · 2020
Typedissertation
Languagefr
FieldSocial Sciences
TopicEducational Practices and Policies
Canadian institutionsnot available
Fundersnot available
KeywordsGeneral interestPopular scienceWish

Abstract

fetched live from OpenAlex

Cette thèse de doctorat s’intéresse à ce que les enseignants du Québec connaissent de leurs élèves. Plus spécifiquement, ce travail se situe dans le champ de recherche sur les savoirs professionnels des enseignants et, plus largement, celui de la professionnalisation de l’enseignement. L’étude de la connaissance de l’élève, jusqu’ici peu explorée ou peu détaillée, nous permet d’aborder la façon dont les enseignants d’aujourd’hui adaptent et modifient leurs pratiques en fonction des élèves dans leurs classes. Pour ce faire, nous étudions la question de la connaissance de l’élève par les enseignants sous trois dimensions. D’abord, nous tentons de mieux comprendre la nature de ce type de connaissance. Selon Anderson et al. (2001), trois principales connaissances sont à l’œuvre dans le travail professionnel : des connaissances factuelles, des connaissances conceptuelles et des connaissances procédurales. Ainsi, en premier lieu, nous décrivons ces trois types de connaissances. Ensuite, nous interrogeons l’origine de la connaissance de l’élève. Plusieurs auteurs, notamment Shulman (1987 : 2004) dont les travaux sur le Teachers Knowledge Base for Teaching (base de connaissances) furent fondateurs, supportent l’idée que c’est l’expérience pratique qui en est la principale source, dans la mesure où c’est elle qui contribue le plus à l’apprentissage des enseignants. Or, considérant que la formation initiale à l’enseignement transmet également de nombreux savoirs lors de la formation initiale de quatre ans, nous tentons dans un deuxième temps de mieux comprendre d’où provient la connaissance de l’élève. Par la suite, nous nous intéressons à la manière dont est mobilisée la connaissance de l’élève dans les pratiques enseignantes. En effet, nous pensons que notre projet doctoral ne serait pas complet sans essayer de mieux cerner la mobilisation de cette connaissance dans les activités quotidiennes de l’enseignant avec ses élèves. En troisième lieu, nous décrivons les différentes actions de l’enseignant qui sont influencées ou modulées en fonction des connaissances qu’il possède à propos de ses élèves. À l’aide d’entrevues semi-dirigées (n=25) et de quatre groupes de discussion, ainsi que de l’analyse thématique de leurs transcriptions, nous proposons une vision d’ensemble de la connaissance de l’élève qu’ont les enseignants. Les personnes interrogées ont toutes entre 3 et 8 ans d’expérience en enseignement et travaillent principalement dans la grande région de Montréal. Ils sont enseignants au préscolaire-primaire, au secondaire, en éducation physique et à la santé, en adaptation scolaire et à la formation générale des adultes. Nos résultats montrent que les enseignants possèdent différentes connaissances sur leurs élèves, qu’elles varient selon la matière enseignée et le cycle d’enseignement, qu’ils apprennent sur eux principalement sur le terrain et qu’ils utilisent la connaissance de l’élève dans de nombreuses actions et décisions quotidiennement. Au fil de cette recherche doctorale, il est apparu qu’il n’est pas aisé de circonscrire ce type de connaissance et de bien saisir comment l’enseignant la prend en compte dans son enseignement. Cependant, nous pensons que notre étude mène à des éclaircissements importants dans la manière de concevoir les savoirs professionnels des enseignants, a de fortes implications pour la formation initiale à l’enseignement, tout en proposant une compréhension plus juste du travail enseignant avec les élèves.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: Qualitative
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.378
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0000.001
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0090.001
Scholarly communication0.0000.001
Open science0.0000.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.021
GPT teacher head0.260
Teacher spread0.240 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designQualitative
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2020
Admission routes1
Has abstractyes

Explore more

Same venuePapyrus : Institutional Repository (Université de Montréal)Same topicEducational Practices and PoliciesFrench-language works237,207