La résilience sous l'angle de l'autodétermination pour une meilleure santé psychologique des enseignants : déterminer des types de résilience
Bibliographic record
Abstract
Ce projet propose une nouvelle approche de la résilience en vue d’assurer le bien-être chez les enseignants. Les raisons qui nous amènent à un tel intérêt sont notamment le stress intense ressenti dans le corps professoral où la tâche est lourde et particulièrement difficile. Sera donc abordé au chapitre premier, le fait que l’environnement de travail, par ses caractéristiques, génère du stress et des effets néfastes. Par la suite, la résilience étant sollicitée pour retenir les travailleurs en poste, nous décrirons son historique, ce qui nous amènera à soulever une problématique d’importance, notamment le fait qu’elle ne soit pas nécessairement accompagnée d’un bien-être salutaire. En contrepartie, un des indicateurs du bien-être est la motivation autodéterminée. Nous détaillerons ces notions et verrons comment elles sont atteintes par les conditions mêmes de travail. Cette mise en contexte nous permettra, en chapitre deuxième, de concevoir la résilience sous un autre jour grâce à la mise en lien avec les motivations autodéterminées. S’y dessineront deux types importants, dans lesquels motivation et bien-être devraient différer sensiblement. Cela pourrait expliquer la raison d’un bien-être mitigé. Nous terminerons ce chapitre par nos hypothèses. Nous aborderons ensuite la vérification de la proposition de types de résilience sous-tendues par la motivation. Au chapitre troisième, la méthodologie décrira l’échantillon de 465 enseignants québécois du primaire et du secondaire, les différents questionnaires de résilience, motivation et bien-être aux fins de l’étude transversale. Le chapitre suivant traitera des résultats des ANOVA , MANOVA et ANOVA factorielles entreprises. Notamment, les différences statistiques de bien-être et de motivation seront détaillées, ainsi que la non interaction entre motivation et résilience. Les effets principaux de résilience à tous les niveaux de motivation seront décrits. Les résultats obtenus nous permettrons une discussion au chapitre cinquième avant de conclure qu’effectivement, des différences sont observables, que la résilience pourrait s’opérer en deux formes durant lesquelles les motivations et le bien-être sont différents. Il sera possible d’envisager la résilience non pas comme une caractéristique personnelle stable ou un résultat statique, mais comme un processus pouvant prendre différentes formes qu’il serait alors possible de promouvoir. En découle également une mise en garde contre le fait de penser qu’il n’est plus nécessaire d’agir auprès des personnes étiquetées de résilientes. Le soutien semble encore nécessaire pour soutenir un processus efficace.
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 | 0.007 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.008 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.004 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
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".