Nouveaux-arrivants et enseignement en milieu franco-manitobain : regards croisés sur des pensées et pratiques favorisant la résilience
Bibliographic record
Abstract
L’objectif global de la présente étude est, à la lumière de la théorie de la résilience et des facteurs de protection et de risque liés à la notion de résilience (Leroux et Théorêt, 2014; Théorêt, 2005), d’offrir une interprétation critique de données qualitatives recueillies auprès d’éducateurs et d’éducatrices au sein d’une école élémentaire de la DSFM sur les récentes initiatives pédagogiques, sociales et structurelles relatives à l’intégration des nouveaux-arrivants. L’analyse des données montre une prédominance des facteurs de protection par rapport aux facteurs de risque, tant internes qu’externes, suggérant l’existence d’un personnel résilient, c’est-à-dire faisant preuve de persévérance, de résistance et de compétence dans des situations de défis. Les ressources individuelles (confiance en soi, sentiment d’accomplissement, sentiment de responsabilité personnelle, auto-efficacité et motivation intrinsèque) ainsi que les ressources environnementales (ressources humaines, opportunités de participation active, climat de collaboration) constituent des facteurs d’épanouissement et de persévérance et réduisent les facteurs de stress dans des situations rendues difficiles par les disparités de tous genres des élèves.
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 | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.009 | 0.008 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".