Prioriser l’apprentissage dans la gestion des établissements scolaires : une étude documentaire descriptive des dimensions du leadership centré sur l’apprentissage dans le fonctionnement et les activités d’écoles québécoises de milieux défavorisés
Bibliographic record
Abstract
Ce mémoire s’inscrit dans la foulée des travaux actuels du groupe de recherche sur les directions d’écoles centrées sur l’apprentissage d’Archambault, Poirel et Garon (2014). Il tente de répondre à cette question, encore peu étudiée en contexte québécois : que font les écoles où les directions accordent la priorité à l’apprentissage dans leur gestion, spécifiquement en milieu défavorisé, pour avoir un impact sur la réussite des élèves ? Cette étude documentaire descriptive des dimensions du leadership centré sur l’apprentissage dans le fonctionnement et les activités des écoles québécoises de milieux défavorisés décrit et documente les actions envisagées par les écoles pour donner la priorité à l’apprentissage. Pour ce faire, nous nous appuyons sur le cadre conceptuel francophone le plus récent dans notre domaine, soit celui du groupe de recherche d’Archambault, Poirel et Garon (2014). Nous décrivons et documentons cet ensemble de pratiques et de moyens inscrits dans les documents de 13 écoles primaires (projet éducatif, plan de réussite, convention de gestion). Bien que ces documents ne permettent qu’une observation des actions proposées par les écoles, des actions prospectives, et que leur étude présente ainsi certaines limites, leur intérêt reste indéniable puisqu’il s’agit de documents publics à production obligatoire. Dans ce mémoire, nous présentons les données quantitatives et les données de contenu pour chaque catégorie des 14 dimensions d’un leadership centré sur l’apprentissage selon le modèle conceptuel d’Archambault, Poirel et Garon (2014). De cette analyse, nous produisons une synthèse de la présence des thèmes et les moyens, actions et stratégies associées dans les écoles, classées par dimension. Ceci nous permet de constater ce qui est en forte présence et ce qui est peu présent dans les documents : toutes les dimensions d’un leadership centré sur l’apprentissage y sont observées, sauf la dimension de l’engagement social qui est sous-représentée. Aussi, nous avons constaté que les écoles utilisent principalement une seule entrée de donnée, les résultats scolaires, pour quantifier l’atteinte d’un objectif. Nous souhaitons que ce mémoire serve non seulement de levier réflexif, mais aussi d’outil à la rédaction de la nouvelle génération de produits permanents.
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 | 0.005 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.010 | 0.011 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 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".