Répercussions du contexte de pandémie sur la variation de l’engagement de membres du personnel enseignant
Notice bibliographique
Résumé
Depuis le début de la pandémie, le personnel enseignant a dû s’adapter à différentes modalités d’enseignement et d’apprentissage. Dans un contexte en mouvance, il apparait important de s’intéresser à l’engagement du personnel enseignant, puisqu’il pourrait influencer positivement celui de leurs élèves (Klassen et al., 2013; Roth et al., 2007). L’engagement des personnes sur le marché du travail est étudié selon trois dimensions : l’absorption, la vigueur et le dévouement (Schaufeli et al., 2006). En contexte scolaire, une attention est portée à la dimension socioaffective de l’engagement, soit l’énergie consacrée à établir des relations avec les élèves et avec les collègues (Klassen et al., 2013). Le repérage de ces dimensions est important pour comprendre la variation de l’engagement du personnel enseignant, d’autant plus dans un contexte d’adaptation de l’enseignement et de l’apprentissage en raison du virage inopiné en formation à distance (FAD). Dans des entretiens semi-dirigés auprès de membres du personnel enseignant, nous nous sommes intéressés à leur engagement lorsque l’enseignement passe en FAD. Nos résultats permettent de cibler des situations ou des personnes qui influencent leur engagement : les ajustements successifs, les conditions technopédagogiques variables, le soutien inégal des parents ainsi qu’un sentiment d’isolement social et pédagogique.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,007 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,000 |
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.
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 tête enseignante, 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 ».