Appui au Bureau international des droits des enfants (IBCR) pour l’amélioration de la qualité des activités et des outils de formation.
Montréal, Canada
21/09/2018
–
21/12/2018
L’IBCR souhaite organiser une formation au profit de son personnel spécialisé sur les bonnes pratiques liées aux formations de formateurs.
Chercheurs impliqués de la CUDC
Alexandra Bolduc
Coordonnatrice financière et étudiante à la maîtrise en didactique des sciences (UQAM)
Alexandra Bolduc
Coordonnatrice financière et étudiante à la maîtrise en didactique des sciences (UQAM)
Alexandra Bolduc est enseignante de science au secondaire où elle œuvre au sein du secteur public depuis près de cinq ans. Elle détient également une certification de deuxième cycle universitaire en gestion de projet. Ses connaissances du milieu de l’éducation et de la gestion l’ont amenée à occuper le poste de coordonnatrice financière de la CUDC, fonction qu’elle occupe en poursuivant ses études de maîtrise en didactique des sciences.
Patrick Charland
Professeur (UQAM)
Patrick Charland
Professeur (UQAM)
Patrick Charland est professeur titulaire au département de didactique de l’UQAM. Depuis plus de quinze ans, il a développé une expertise en développement curriculaire, de même qu’en formation initiale et continue d’enseignants du primaire, du secondaire et de l’universitaire au Québec comme à l’international. Membre régulier de l’Observatoire des réformes en éducation (ORÉ-UQAM), puis représentant de la Faculté des sciences de l’éducation à la Chaire UNESCO de développement curriculaire, il a participé à plusieurs projets de développement des capacités. Par ailleurs, à titre de didacticien des sciences et de la technologie, il a développé une expertise en neurosciences de l’éducation. Il s’intéresse ainsi à mieux comprendre l’apprentissage en collectant diverses données neurophysiologiques, en direct, pendant l’apprentissage. Ses travaux s’inscrivent notamment dans des perspectives nouvelles en sciences de l’éducation, générant des données massives (big data) et faisant appel à des perspectives analytiques associées à l’apprentissage machine (machine learning).