Il « Supersupplente »: strategie presenti in Ticino per valorizzare la figura del supplente e semplificarne il reperimento
Bibliographic record
Abstract
Il progetto di ricerca tratta l’attuale amministrazione, da parte degli enti competenti, dei supplenti e la loro situazione lavorativa ed emotiva in vista di una possibile valorizzazione di questa risorsa negli istituti ticinesi. Sono mostrati esempi provenienti da zone francofone, come il corso universitario in Quebec, dove i futuri docenti ricevono preziose informazioni su come svolgere al meglio il lavoro del supplente, o come le “Guides du suppléant” dei documenti che spiegano al supplente come prepararsi, quali sono i doveri di un supplente, guide che contengono delle attività da svolgere in una supplenza o dei suggerimenti per crearne di nuove e delle strategie per la gestione del gruppo. Inoltre, in maniera più approfondita, si trattano quelle figure che sono state ideate da direttori di istituti ticinesi principalmente per semplificare il reperimento di supplenti. Esistono infatti ruoli, come l’operatore d’istituto, concepiti proprio per fronteggiare il bisogno di supplenti nell’immediato e che al contempo, essendo presenti nell’istituto da settembre ad agosto, rappresentano dei “jolly” per i titolari da impiegare in caso di bisogno per attività speciali, gite e quant’altro. Questi ruoli danno maggiore stabilità a chi li ricopre e sia il loro lavoro sia la loro vita emotiva ne risente positivamente. Relatore: Donati Mario
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.010 | 0.009 |
| Scholarly communication | 0.018 | 0.010 |
| Open science | 0.003 | 0.008 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.037 | 0.008 |
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".