Quels indicateurs pour mesurer le développement professionnel dans les métiers adressés à autrui ?
Bibliographic record
Abstract
Cet article propose des indicateurs destinés à mesurer le développement professionnel dans les métiers adressés à autrui. La première partie s’intéresse à la genèse de la notion de développement professionnel, issue de la rationalisation induite par la seconde modernité ; elle indique que les métiers adressés à autrui sont tenus d’articuler une rationalisation forte et une rationalisation faible. Puis, nous présentons le cadre de la didactique professionnelle, particulièrement pertinent pour s’intéresser à l’analyse du travail d’interaction humaine et mettre au jour ses dilemmes. À partir d’une recherche empirique concernant des formateurs d’une école d’aides-soignants, nous proposons, à partir d’une lecture plurielle qui prend en compte les compétences et l’identité professionnelle, cinq indicateurs qui sont l’objet d’un traitement afin d’être comparables, car c’est la cohérence entre les informations recueillies qui nous paraît rendre le mieux compte, malgré les limites, de la notion de développement professionnel dans les métiers adressés à autrui.
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 | 0.006 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.008 |
| Scholarly communication | 0.011 | 0.009 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.014 | 0.003 |
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".