L’insertion professionnelle de nouveaux enseignants : une recension systématique de la littérature
Notice bibliographique
Résumé
Le décrochage précoce d’enseignants fait couler beaucoup d’encre dans plusieurs pays industrialisés à l’instar du Canada, où l’on peut observer des taux d’abandon de plus de 50 % chez les novices de la profession. L’objectif de cet article est de recenser les stratégies d’accompagnement dyadique offertes aux novices de la profession enseignante et d’effectuer l’analyse de leur efficacité auprès des enseignants, d’une part, et de la résolution du problème d’attrition, d’autre part. Les résultats indiquent que la responsabilité de la direction est capitale, que ce soit lors de la formation des mentors, des enseignants novices ou de la bonne implémentation et du bon déroulement du programme d’insertion professionnelle. Cette recension systématique de la littérature permet également de constater que, lorsque le mentorat — qui est la forme d’accompagnement dyadique la plus populaire — est offert de façon adéquate et lorsque la direction est informée de son efficacité, tous les deux contribuent significativement à la rétention des enseignants débutants. En conclusion, cette recension a pu mettre en exergue que plusieurs mentors ne reçoivent pas de formation appropriée pour mener à terme leur mission et que les attentes de la part de la direction, en ce qui concerne leurs rôles et leurs responsabilités, demeurent souvent floues.
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 | 0,017 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,004 |
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 ».