Why are new French immersion and French as a second language teachers leaving the profession? Results of a Canada-wide survey
Notice bibliographique
Résumé
Although several provinces have complained\nabout the shortage of French\nimmersion and French as a second\nlanguage (FSL) teachers, many are\nalso wondering why so many teachers are\nleaving the profession in the first few years.\nIngersoll (2001), who calls this attrition a “revolving\ndoor,” was one of the first to blame\nthe teacher shortage on the departure of\nnew teachers and not just the retirement of\nveterans. Borman and Dowling (2008) present\na highly interesting historical overview\nof perspectives on this phenomenon, which\nparticularly affects new teachers. What’s\ngoing on? Are they badly prepared? Are the\nstudents too difficult? Has teaching French\nbecome such a demanding and time-consuming\njob that so many are deserting so quickly?\nWhat are the main problems that teachers\nhave to deal with? What could school\nsystems do to help retain teachers? Based\non these research questions, the Canadian\nAssociation of Immersion Teachers (CAIT),\njointly with the Centre de recherche sur la formation\net la profession enseignante (CRIFPE),\nundertook a Canada-wide survey funded\nby the Department of Canadian Heritage to\nexplore an issue that is of vital importance\nto many education ministries in Canada.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».