Les politiques de remédiation et de développement des compétences professorales destinées aux enseignants-cliniciens
Notice bibliographique
Résumé
Contexte : De nombreuses Facultés de médecine développent des politiques de remédiation professorales destinées à soutenir les enseignants tout au long de leur carrière académique. Cela concerne aussi bien la qualité des enseignements que les problématiques comportementales. Notre objectif était de dresser un état des lieux des politiques de remédiation existantes en Amérique du Nord et en Europe. Méthode : Une revue systématique des écrits scientifiques a été conduite sur la base de données Pubmed-Medline. Les données concernant le type de structure en charge des politiques de remédiation, leur champ d’action, les dispositifs existants, leur coût et leur mode de fonctionnement ont été recueillies. Résultats : Après analyse, 14 articles ont été retenus. Ils révèlent que les structures de développement professoral sont le plus souvent en charge de faire appliquer les politiques de remédiation, dont le champ d’action peut varier d’une université à l’autre. Nous avons choisi de présenter en détail la politique mise en œuvre à la Faculté de médecine de l’Université de Montréal à des fins comparatives. Conclusion : Ces politiques privilégient une approche individualisée dont les bénéfices devront faire l’objet d’évaluation. Elles offrent d’ores et déjà un cadre de référence structuré, des interlocuteurs bien identifiés et un traitement optimal des signalements avec priorisation des cas les plus urgents.
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 | 0,023 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».