Analyse des ressources de développement de la résilience éducationnelle devant la violence scolaire chez des enseignants québécois et roumains
Bibliographic record
Abstract
S’inscrivant dans le paradigme de la recherche qualitative, cette étude fait état d’une investigation des ressources mobilisées par cinq enseignantes québécoises et cinq enseignantes roumaines pour le développement de la résilience éducationnelle devant la violence scolaire, évaluée comme facteur de risque. L’analyse des données révèle le rôle des compétences professionnelles dans le développement de la résilience éducationnelle, en tant que ressources, chez les enseignantes rencontrées. En tant que recherche exploratoire comparative, cette étude s’intéresse à l’influence des différences culturelles sur la perception et l’impact des expériences de violence vécues, à la mise en pratique des compétences professionnelles, aux sentiments d’efficacité et de satisfaction professionnelle, au développement et au fonctionnement du processus de résilience éducationnelle chez les enseignantes de deux groupes nationaux. L’approche écosystémique met en lumière le caractère de processus dynamique de la résilience éducationnelle qui exige des ressources et repose sur des facteurs dont l’interaction assure son fonctionnement.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".