L’allocation des ressources enseignantes en Afrique subsaharienne francophone : pour une meilleure équité des systèmes éducatifs
Notice bibliographique
Résumé
Les pays d’Afrique subsaharienne souffrent d’un manque de personnel enseignant, et la forte augmentation de la population d’âge scolaire montre que le problème persistera. Il devient donc crucial pour ces pays d’optimiser l’utilisation de leurs ressources enseignantes en poste en s’assurant qu’elles sont équitablement allouées aux écoles. Or, jusqu’à quel point la répartition des enseignantes et des enseignants entre les écoles d’Afrique subsaharienne est-elle équitable? Comment peut-on améliorer cette allocation? Pour répondre à ces questions, cette étude s’appuie sur deux indicateurs, soit le ratio élèves/maître et le degré d’aléa dans l’allocation des ressources enseignantes aux écoles (1-R2), ainsi que sur des informations recueillies grâce à un « questionnaire pays » auquel ont répondu des acteurs clés des ministères de l’Éducation de pays d’Afrique subsaharienne. Nous avons ainsi eu recours à une approche quantitative et qualitative pour apprécier la situation des pays étudiés relativement à l’allocation des ressources enseignantes aux écoles, mais également pour comprendre les écarts observés en vue d’envisager des remédiations. Un constat majeur se dégage de cette étude : peu de pays francophones d’Afrique subsaharienne parviennent à une allocation équitable de leurs enseignants aux établissements. Le recrutement sur poste et l’automatisation de certains aspects de la gestion du personnel enseignant sont des solutions à considérer.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».