MétaCan
Menu
Retour à la cohorte
Enregistrement W3111605465 · doi:10.7202/1073732ar

Métier, savoirs et élèves : l’étrange casse-tête des nouveaux enseignants de formation professionnelle au Québec1

2020· article· fr· W3111605465 sur OpenAlexaffvenueabout
Chantale Beaucher

Notice bibliographique

RevueÉthique en éducation et en formation Les Dossiers du GREE · 2020
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueEducation, sociology, and vocational training
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceSociologyArt

Résumé

récupéré en direct d'OpenAlex

Les enseignants de formation professionnelle au Québec se distinguent de leurs collègues d’autres secteurs (Descheneaux, Monette et Tardif, 2012) par le fait qu’ils ont exercé pendant plusieurs années un métier avant de l’enseigner. Ils abordent en outre la carrière en enseignement sans formation initiale en pédagogie. Leur rapport au savoir (Charlot, 1997) s’appuie souvent sur une certaine tension avec l’institution scolaire et ce qu’elle représente (Beaucher, 2014) ainsi que sur la valorisation des savoirs techniques, concrets ou liés à l’exercice de leur métier. Engagés simultanément dans trois processus exigeants de transition entre le métier et l’enseignement, d’insertion professionnelle en enseignement et d’intégration à l’université, ils s’appuient d’abord sur ce qui leur est le plus familier : leur métier et leur expérience d’élève. Le texte soulève des questions éthiques posées par l’entrelacs de quatre pôles identitaires (expert de métier, enseignant, ancien élève et étudiant) occupés simultanément par les participants.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,241
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0000,005
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,194
Tête enseignante GPT0,402
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueÉthique en éducation et en formation Les Dossiers du GREEMême sujetEducation, sociology, and vocational trainingTravaux en français237 207