La rétention d’enseignantes et d’enseignants de français langue seconde au Canada : au-delà d’une stratégie de recrutement
Notice bibliographique
Résumé
Dans le domaine de l’enseignement du français langue seconde au Canada, nous faisons face à une pénurie de longue date. Parmi d’autres études examinant le recrutement et la rétention du personnel enseignant, nous avons mené une étude pancanadienne afin de déterminer les exigences et les lacunes dans la formation initiale et continue en enseignement du français. Dans cet article, nous examinerons dans quelle mesure les composantes de cette formation favorisent ou entravent la rétention du personnel enseignant. Un aperçu des résultats met en relief une forte préoccupation de la part de toutes les personnes participantes par rapport à la rétention du personnel en enseignement du français, avec une attention particulière envers le mentorat. Ces constats divergent de la politique fédérale qui se limite strictement au recrutement, alors qu’un accent sur le mentorat, surtout sous forme de soutiens non officieux 1 , est nécessaire dès le début de la formation initiale, ainsi que pendant la transition vers le milieu du travail et à travers celui-ci. Nous discuterons des enjeux qui découlent de ces résultats quant aux efforts en cours pour répondre à la pénurie d’enseignantes et d’enseignants en français.
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».