Québec Université Laval, Bibliothèque 2016

Québec Université Laval, Bibliothèque 2016

En enseignement programmé, le problème du rôle et de la fréquence des questions et des réponses insérées dans le texte fait l'objet de plusieurs recherches. D'aucuns prétendent qu'afin de maintenir à un haut niveau l'attention et la motivation de l'étudiant il faille exiger systématiquement des réponses de sa part. D'autres, frappés de la facilité pour ne pas dire de la futilité de la plupart des questions d'un grand nombre de programmes et les trouvant, surtout, fort coûteuses en terme de temps, avancent que l'on peut obtenir les mêmes résultats, en présentant un bon texte informatif sans poser de questions. Entre ces deux positions extrêmes, il en existerait une de compromis qui consisterait à ne poser des questions que par intermittence. Par questions intermittentes on entend qu'au lieu de faire systématiquement suivre chaque information d'une question, on ne le fait que par intermittence; dans ce cas, l'information est parfois suivie d'une question et parfois, elle ne l'est pas. Il va sans dire que cette 'intermittence est contrôlée et qu’elle intervient avec des fréquences bien déterminées. Il faut donc bien comprendre que l'on omet totalement certaines questions. Il ne s'agit pas en effet de synthétiser deux ou trois questions par une seule plus générale qui porterait sur plusieurs informations. Le but de cette recherche est de comparer l'efficacité des questions intermittentes à fréquences diverses d'un cours de mathématiques modernes dispensé par ordinateur. L'efficacité est entendue en terme de temps mis à suivre le cours d'abord et en terme de rendement ensuite. A l'article du rendement un premier test a mesuré le rendement immédiat tandis que le rendement différé i.e. la rétention fut déterminé par un test administré un mois après la fin du cours. / Québec Université Laval, Bibliothèque 2014

Québec Université Laval, Bibliothèque 2015

Québec Université Laval, Bibliothèque 2019

Que la culture soit identifiée comme étant un tout représentant l'humain, son oeuvre et sa manière d'habiter le monde ou encore qu'elle soit une référence au développement des facultés de l'esprit, elle se présente sous diverses définitions que nous parvenons difficilement à accoler aux métiers de la formation professionnelle. L'exercice semble tout aussi hasardeux lorsque nous essayons de la faire émerger de la pratique éducative d'un enseignant, tel celui de la coiffure, de qui il est attendu d'être un « passeur de culture » (M.E.Q., 2001). Dans ce mémoire, une quête d'identification d'éléments culturels portés par les enseignants et les artisans du métier de la coiffure, nous explicitons la typologie des métiers proposée par (Gagnon, 2010a), qui notamment distingue les orientations traditionnelle et technoscientifique susceptibles de se retrouver dans un métier donné, et nous proposons des indicateurs de ces éléments. Nous expliquons ensuite cette typologie au domaine de la coiffure conduisant à l'illustration des quatre cultures-types sous-tendues par la typologie. Il devient alors possible de mieux comprendre cette culture implicite de la coiffure, qui vit dans l'ombre, sans porter de mots, sans être objet de formation explicite.

Québec Université Laval, Bibliothèque 2014

Québec Université Laval, Bibliothèque 2014

Québec Université Laval, Bibliothèque 2014

Nous avons présenté dans le premier chapitre de cette recherche méthodologique plusieurs modèles de prédiction qui s'inscrivent dans le cadre plus général des modèles linéaires et qui se différencient les uns des autres par le type de variables rencontrées. Ces variables sont, selon le cas, aléatoires ou fixes et peuvent être mesurées exactement, c'est-à-dire avec ou sans erreurs de mesure. Parmi ces modèles de prédiction, trois d'entre eux ont particulièrement attiré notre attention: ce sont le modèle classique de la régression, le modèle stochastique et le modèle stochastique avec erreurs de mesure. Dans le premier modèle que nous avons étudié, le modèle classique de la régression, les variables indépendantes sont dites fixes ou mathématiques, c'est-à-dire qu'elles peuvent être contrôlées ou déterminées à l'avance par l'expérimentateur. Dans ce cas particulier, il est théoriquement impossible d'assigner une quelconque densité de probabilité puisque ces variables sont considérées comme des valeurs constantes. Dans les deuxième et troisième modèles de prédiction que nous avons présentés, soit les modèles stochastiques sans ou avec erreurs de mesure, les variables indépendantes, au même titre que la variable dépendante, sont plutôt considérées comme aléatoires auxquelles nous pouvons généralement assigner une certaine densité de probabilité. Nous avons donc supposé dans cette étude, comme bien d'autres auteurs d'ailleurs, que ces variables, la variable dépendante et l'ensemble des variables indépendantes, suivaient la loi multinormale. De plus, dans le troisième modèle, le modèle stochastique avec erreurs de mesure, les variables ne peuvent être mesurées exactement puisqu'elles sont affectées par la présence d'erreurs de mesure. Ces erreurs peuvent être, selon le cas, positives ou négatives et, de plus, sont généralement différentes d'un sujet à l'autre dans l'échantillon. Les objectifs de cette recherche consistaient brièvement â présenter les développements théoriques de chacun de ces modèles, à les comparer de façon systématique tant sur le plan théorique que pratique et enfin, à justifier l'utilisation du modèle classique de la régression, par rapport aux deux autres, dans le cas particulier où nous avons affaire à des variables aléatoires et sujettes à l'erreur de mesure, c'est-à-dire des variables telles que nous rencontrons généralement dans le domaine de l'éducation. Nous concluons qu'il est préférable, dans certains cas, d'utiliser le modèle classique de la régression puisque ce modèle nous permet d'une part d'accepter plus facilement le degré de signification des coefficients de régression et d'autre part de respecter davantage les postulats inhérents à ce modèle, par rapport à ceux du troisième modèle. Par contre, si nous assumons qu'aucun postulat n'est violé, le modèle stochastique avec erreurs de mesure s'avère préférable puisqu'il permet d'augmenter de façon substantielle, semble-t-il, le pourcentage de variabilité de la variable dépendante expliqué ou prédit par l'ensemble des variables indépendantes dans l'équation de régression. / Québec Université Laval, Bibliothèque 2014