Des pistes potentielles pour améliorer l’efficacité des programmes d’insertion professionnelle destinés aux enseignants novices
Notice bibliographique
Résumé
Pour favoriser une insertion professionnelle (IP) harmonieuse et réduire le décrochage des enseignants novices (EN), des programmes d’insertion professionnelle (PIP), comportant un nombre plus ou moins élevé de mesures de soutien (MS), leur sont offerts. Certaines recherches indiquent des effets positifs de ces programmes alors que d’autres révèlent des résultats mitigés. Notre recherche s’intéresse à l’effet des MS sur l’efficacité des PIP en termes de retombées perçues, selon une approche multidimensionnelle de l’IP. Les données proviennent d’un sous-échantillon de répondants à une enquête par questionnaire, composé d’EN ayant participé à des PIP au Québec (n = 101). Des analyses corrélationnelles et comparatives révèlent que plus le nombre de MS reçues est élevé et les mesures diversifiées, meilleures sont les retombées positives en nombre et en nature. Ils mettent aussi en évidence les MS et les combinaisons de MS associées à davantage de retombées, en particulier celles incluant un soutien personnalisé important. La discussion apporte un nouvel éclairage pour guider la conception et la mise en œuvre des PIP ainsi que les prochaines recherches dans ce domaine.
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 | 0,010 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 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 ».