Investir dans la formation des personnes enseignantes associées pour faire du stage en enseignement un instrument de développement professionnel
Bibliographic record
Abstract
L’augmentation notable du nombre d’heures consacré au stage est l’une des conséquences directes de la récente vague de réformes des programmes de formation initiale à l’enseignement constatée en Amérique du Nord et ailleurs dans le monde. S’inscrivant dans une visée de professionnalisation du métier, ces réformes ont accru, sans vraiment la consacrer, la place occupée par la personne enseignante associée (PEA) dans ce processus. À titre de formatrice, cette personne, dont l’influence perçue sur le développement professionnel des futurs enseignants pèse déjà lourdement, ne reçoit toujours pas toute la considération qui lui revient. Cette influence suscite toutefois des questions relatives à la qualité des expériences d’apprentissage du métier fournies aux stagiaires durant les stages. Elle soulève en outre des préoccupations relativement à la sélection des PEA ainsi qu’à leur formation en matière de supervision pédagogique, un aspect encore largement négligé dans la formation des futurs enseignants. Cet article consiste en une revue de la documentation scientifique centrée sur le stage comme moment de formation et sur les PEA vues comme des acteurs centraux remplissant des fonctions particulières, nécessitant des compétences à la fois distinctes et complémentaires de celles qui sont requises pour exercer le métier d’enseignant. Les auteurs vont soutenir l’idée qu’investir davantage de ressources dans la formation de ces personnes constitue une façon d’élever le potentiel formateur du stage en enseignement et, ultimement, d’améliorer la compétence du corps enseignant dans son ensemble.
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 | 0.014 | 0.026 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.008 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.022 | 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".