Climat scolaire et victimisation des enseignants ou des élèves : même combat ?
Notice bibliographique
Résumé
Être victime de violence à l’école est un facteur qui affecte fortement le bien-être des personnes, élèves comme enseignants. Et améliorer le climat scolaire est souvent présenté, notamment dans des politiques publiques récentes, comme un moyen efficace pour prévenir ces violences. Dans cette présentation, nous passerons en revue les études empiriques qui se sont intéressées aux relations entre climat scolaire et victimisation à l’école, et nous discuterons de leurs limites théoriques et méthodologiques. Nous ferons ensuite état de deux études multiniveaux qui cherchent à dépasser ces limites, une réalisée au Québec (53 écoles, 11 241 élèves, 1 151 enseignants), l’autre en Belgique (37 écoles, 3 904 élèves, 834 enseignants). Ces études permettent de comparer les liens entre climat d’école, composition du public d’élèves et risque individuel de victimisation, chez les élèves et chez les enseignants. Les résultats font émerger à la fois des différences et des points communs entre élèves et enseignants. Ces résultats remettent en question plusieurs idées reçues concernant la conceptualisation et les effets supposés du climat scolaire. Les implications de ces résultats pour la recherche et la pratique seront discutées.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».