Bibliographic record
Abstract
Cette étude avait pour objectif de comprendre ce qui pousse les enseignants et enseignantes en éducation physique du canton de Genève à s’engager, ne pas s’engager ou se désengager de la fonction de formateur et formatrice de terrain (FT). Des données empiriques recueillies par une méthodologie qualitative « indirecte » (traces accompagnant les réponses des enseignants et enseignantes sollicités pour exercer la fonction de FT) et « directe » (entretiens avec cinq enseignants et une enseignante) nous ont conduit à formuler deux théories explicatives : (1) l’engagement des enseignants et enseignantes dans la fonction de FT se produit lorsque la représentation qu’ils ont de cette fonction et des conditions de son exercice concorde avec les ressources qu’ils possèdent pour l’exercer; (2) le désengagement des enseignants et enseignantes de la fonction de FT survient lorsque l’enjeu symbolique de reconnaissance sociale qui les mobilise n’est pas atteint. Ces deux théories, discutées au regard de diverses approches sociologiques des organisations, nécessitent d’être validées à l’aide de données empiriques plus consistantes. En vertu du principe de généralisation analytique, elles peuvent néanmoins être transférées à d’autres contextes. Elles suggèrent par ailleurs quelques pistes afin d’accroître l’attractivité de la fonction de FT.
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 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.006 | 0.024 |
| Scholarly communication | 0.013 | 0.018 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.016 | 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".