Épreuves spécifiques rencontrées lors d’immigration et de formation en soins infirmiers en Haute école spécialisée en Suisse : le cas d’étudiants subsahariens
Bibliographic record
Abstract
La migration du Sud au Nord est une réalité actuelle et n’est pas sans répercussions dans le monde de la formation professionnelle, qui se confronte à différentes situations interculturelles. Cet article porte sur les épreuves rencontrées par des étudiants d’Afrique subsaharienne en situation de migration, de formation en soins infirmiers dans les Hautes écoles de Suisse romande et, plus spécifiquement, à ce qu’ils nomment un deuxième apprentissage qu’ils sont amenés à faire eux-mêmes, sans l’aide des enseignants, puisque ces derniers n’en sont pas forcément conscients. Sur le plan de la méthodologie, nous avons effectué une recherche qualitative au moyen d’entretiens biographiques et d’entretiens de stage avec des étudiants en provenance de l’Afrique subsaharienne. En conclusion, nous montrons que ces épreuves ont des incidences sur le métier d’étudiant africain, métier qui n’est pas tout à fait le même que celui que les étudiants autochtones sont amenés à réaliser. Signalons que le terme autochtone a été utilisé par les participants. Ils nommaient ainsi les étudiants nés en Suisse (non immigrants). Nous relions cet apprentissage au curriculum caché de formation.
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 | 0.008 | 0.020 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".