L’encadrement des stagiaires en milieu de travail
Bibliographic record
Abstract
En prenant une part plus active dans la formation des futurs travailleurs, la personne responsable de l’encadrement des élèves en milieu de travail dans un contexte de formation professionnelle initiale, le superviseur en entreprise (MELS, 2006) ou le tuteur (Agulhon et Lechaux, 1996), exerce différentes responsabilités auprès de l’élève qui vont au-delà de ses tâches professionnelles visant la production. Quelles sont ces tâches? Quel est le type d’encadrement offert dans les entreprises québécoises impliquées dans les projets d’alternance en formation professionnelle initiale? Cet article vise à rendre compte des résultats de l’enquête par questionnaires menée auprès de plus d’une centaine de superviseurs en entreprises dans différentes régions du Québec. Sur le plan organisationnel, les résultats montrent que nous sommes essentiellement en présence d’une alternance concertée (Mazalon et Bourassa, 2003), les types Individuel supervisé et Collectif supervisé étant ressortis comme les plus fréquents. Sur le plan de la pédagogie ou de la formation en entreprise, à proprement parler, les résultats révèlent la présence d’un guidage de l’activité (Savoyant, 1995) centré sur l’exécution et le contrôle.
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 | 0.004 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.009 | 0.005 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 0.002 |
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".