Being a teacher in the Central African Republic (CAR) in the 21st century : the challenge of retaining staff, caught between a commitment to the profession and a shift towards other careers
Notice bibliographique
Résumé
La présente thèse a pour but d’analyser les raisons du choix du métier d’enseignant dans l’enseignement primaire en Centrafrique à la lumière du parcours scolaire et universitaire des candidats à ce métier. Elle vise également à présenter les différents défis inhérents au métier susceptible de pousser ceux qui ont choisi l’enseignement au cycle fondamental 1 (F1) à l’abandon ou au changement d’itinéraire professionnel, tout en analysant d’autres facteurs indépendants des enseignants qui les obligent à abandonner la carrière au F1. Elle envisage enfin des perspectives meilleures pour ce métier dont les besoins deviennent de plus en plus importants, vu la demande grandissante en manière d’éducation qui se traduit de manière concrète par l’augmentation incessante de la population à scolariser. L’analyse des entretiens auprès d’une population d’enseignants du F1 restés en poste et ceux qui ont muté vers d’autres secteurs d’activités de l’administration montre que le choix du métier d’instituteur est motivé par des raisons intrinsèques ou extrinsèques. Toutefois, des facteurs liés à l’institution scolaire, pédagogiques, économiques et structurels constituent de vrais défis à l’exercice du métier d’enseignant au F1 qui semble perdre toute sa noblesse d’antan, poussant les uns et les autres à s’engager dans d’autres carrières jugées plus propices.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,017 | 0,007 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 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 ».