Étude compréhensive sur le phénomène d'attrition hâtive en enseignement professionnel au Québec certains facteurs à considérer
Notice bibliographique
Résumé
Pour des raisons encore mal circonscrites, une proportion importante du nouveau personnel enseignant en formation professionnelle décide de quitter en début de pratique (Tardif, 2001). C'est pourquoi, dans le cadre de cette recherche, nous tentons de préciser quels facteurs doivent être pris en considération dans l'attrition hâtive en enseignement professionnel au Québec. À travers une approche méthodologique de nature qualitative, nous avons réalisé huit entrevues semi-dirigées avec des individus ayant abandonné l'enseignement professionnel au cours de leurs cinq premières années d'engagement. L'analyse des données s'articule autour d'un examen phénoménologique des données, d'une analyse thématique et d'une analyse qualitative en mode écriture. Ces méthodes nous ont permis à la fois de faire ressortir la richesse et l'unicité des parcours individuels à travers le récit phénoménologique de chaque cas et de mettre l'emphase sur l'objectif premier de cette recherche, c'est-à-dire l'identification de facteurs d'attrition à considérer en enseignement professionnel au Québec.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,016 | 0,007 |
| Communication savante | 0,005 | 0,003 |
| 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 ».