Mentoring as a determinant process in the socioprofessional transition of pedagogical students
Notice bibliographique
Résumé
This article presents findings on the challenges faced by pedagogical students during the transition from the university to the professional environment. In our view, a professionally trained mentor can facilitate the transition process, helping pedagogical students overcome the specific difficulties of a career start. The article proposes concrete solutions for those interested in continuous professional development, highlighting the essential role of mentorship and showcasing the benefits of the „Mentorship and socio-educational counseling” master's program. In this article, we emphasize our aspiration to align with the needs of the labor market by training a professional body of mentors and educational counselors, responding to the requirements of the European Qualifications Framework and the Bologna Process, and respecting the Mentorship Activity Regulation, in accordance with art. 58, paragraph (7) of the Education Code of the Republic of Moldova no. 152/2014 (Official Monitor of the Republic of Moldova, 2014, no. 319-324, art. 634). Additionally, the article includes a synthesis of European experience in the field and an analysis of similar models from the United States, Canada, and Australia, countries with well established training programs for mentors and socio-educational counselors. We are convinced that the specialists trained in the „Mentorship and socio-educational Counseling” master's program will be capable of providing support to pedagogical students during the transition phase, facilitating personal and professional development, managing socio-educational issues, and reducing the risk of maladjustment, professional burnout, and leaving the educational system.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 tête enseignante, 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 ».