Le mentorat destiné aux enseignants débutants: un soutien à sens unique ? Bénéfices perçus du mentorat par des mentors québécois
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cette contribution s’inscrit dans un contexte marqué par une préoccupation grandissante pour l’insertion professionnelle des enseignants débutants, en même temps que pour la reconnaissance du potentiel des nouvelles recrues pour le changement éducatif. Selon une perspective « non déficitaire », mettant les ressources des débutants en valeur dans une logique d’apports mutuels, nous avons cherché à savoir en quoi ces derniers représentent des ressources pour les mentors et pour le milieu scolaire. Selon une approche qualitative/interprétative, l’analyse des réponses de 75 mentors québécois au sondage en ligne a permis d’identifier les bénéfices perçus du mentorat par ces enseignants expérimentés. Un double regard fut porté: sur les bénéfices pour le mentor à accompagner un mentoré et sur les ressources que peuvent représenter les mentorés pour le milieu scolaire. Nos résultats mettent en évidence que les nouvelles recrues ont beaucoup à apporter aux mentors et plus globalement au milieu scolaire, comme l’intégration de nouveaux outils technologiques, d’idées pédagogiques innovantes ou encore des dernières recherches ou théories éducatives. Par ailleurs, le mentorat contribue à la valorisation des mentors, à l’enrichissement, à l’actualisation, à la remise en question et à l’explicitation des pratiques du mentor. En somme, l’étude indique que le mentorat constitue une voie privilégiée de développement professionnel et de formation continue pour les mentors en plus d’avoir une incidence systémique plus globale, soutenant en bout de ligne la réussite des élèves.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 découle