MétaCan
Menu
← Retour à la cohorte
Enregistrement W7163523258 · doi:10.5281/zenodo.17952320

LUTTER CONTRE LA PÉNURIE D'ENSEIGNANTS PAR LA RECONFIGURATION D'UNE MODALITÉ DE FORMATION FACILITANT LES STAGES EN EMPLOI

2025· article· W7163523258 sur OpenAlexaff
Pierre-Alain Filippi, Marie-Josée Dumoulin, Lise Ferland

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2025
Typearticle
Langue
DomaineSocial Sciences
ThématiqueEducation, sociology, and vocational training
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Identity (music)Knowledge production

Résumé

récupéré en direct d'OpenAlex

Dans un contexte de pénurie d’enseignants constaté à l’échelle internationale, l’objet de cet article est de décrire comment, dans un programme de formation initiale au métier d’enseignant, une modification de la dernière année d’étude et du stage qui l’accompagne contribue à lutter contre la pénurie d’enseignants. Les stages en situation d’emploi, modalité obligatoire de formation à l’enseignement professionnel, ont soudainement fait l’objet d’offres issues du milieu de pratique dans des programmes de formation où ils n’existaient pratiquement pas jusqu’à la pandémie de COVID-19. Les dimensions aléatoires et imprévisibles de ces demandes, susceptibles de mettre en difficulté des personnes stagiaires qui devaient y répondre sans y être préparées, ont pu s’avérer complexes à gérer au cas par cas par les équipes d’accompagnement des stages. Cet article présente le résultat d’un projet pédagogique qui s’est donné comme objectif d’élaborer et de baliser les conditions d’émergence de cette nouvelle modalité de stage. Pour cela, nous montrerons d’abord comment les personnes responsables du projet ont fait émerger les éléments saillants sur lesquels agir pour développer les balises organisationnelles et pédagogiques, avant de décrire, en tant que résultats de ces investigations préalables, les grandes lignes du dispositif mis en œuvre et de tirer un bref bilan de cette initiative à l’issue de la première cohorte.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,012
Communication savante0,0080,007
Science ouverte0,0010,009
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0150,002

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.

Tête enseignante Opus0,127
Tête enseignante GPT0,363
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetEducation, sociology, and vocational training→Travaux en français237 207→