Mieux saisir la résilience chez les enseignants : étude longitudinale d’unprocessus non linéaire
Notice bibliographique
Résumé
La profession enseignante comporte un fort risque d’épuisement. Parce que le fait d’être très résilient s’accompagne d’un meilleur bien-être en faire la promotion dans ce corps de métier devient alléchant. Bien que le concept populaire ait fait naître nombre d’études, la majorité d’entre elles cible l’enfant ou l’adolescent. Très peu d’informations sont disponibles via des études longitudinales, et encore moins au niveau des adultes. Le processus de résilience s’avère donc difficile à décrire bien que le fait de surmonter l’adversité à des situations et des moments précis ne garantit pas du succès dans le futur. La résilience possède un caractère fluctuant. Notre étude longitudinale cible cent cinquante enseignants québécois du primaire et du secondaire et s’attarde au processus dans le temps. Des analyses préliminaires via MANOVA montrent que les plus résilients sont aussi ceux qui sont le plus en bienêtre, aux deux temps de mesure. Par contre, alors que les moins résilients ont des niveaux de résilience et de bien-être supérieurs à la deuxième mesure, les plus résilients au temps un voient leur niveaux diminués aussi bien pour la résilience que pour le bien-être. D’autres variables médiatrices, organisationnelles et personnelles, peuvent intervenir. Le soutien et les contraintes entourant la profession peuvent influencer les capacités personnelles de résilience. Les enseignants les plus résilients sont tout autant à risque de brisure de résilience.
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».