La nouvelle gestion publique de l’école au Québec : vers une gestion de la pédagogie
Bibliographic record
Abstract
À partir d’une méthodologie d’études de cas multiples, cet article analyse les stratégies et les outils de mise en œuvre de la politique de « gestion axée sur les résultats » (GAR) au Québec (Canada) par quatre commissions scolaires (CS). Inspirée de la nouvelle gestion publique, la gestion axée sur les résultats est une politique d’accountability qui institue de nouveaux outils de gestion (plans, contrats, reddition de comptes) censés améliorer les résultats du système scolaire en fonction de cibles fixées par le Ministère. En prenant appui sur la sociologie de l’action publique croisée avec une sociologie néo-institutionnaliste, nous montrons que la mise en œuvre de la gestion axée sur les résultats par les commissions scolaires favorise une « gestion de la pédagogie ». En s’appuyant sur des outils statistiques et d’accompagnement professionnel, les commissions scolaires cherchent à visibiliser, changer et rendre plus « efficace » le travail pédagogique des enseignants, bref à le gérer. L’article souligne que ces orientations ne dérivent pas seulement des politiques centrales du gouvernement du Québec, mais s’appuient sur des dispositifs institutionnels et des acteurs situés au niveau intermédiaire contribuant à diffuser de façon mimétique ou normative plusieurs outils ou référents clés de la gestion axée sur les résultats. Au terme de ce processus, le découplage entre dispositifs de régulation et noyau technique de l’école tend à s’amoindrir.
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 | 0.009 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.007 |
| Science and technology studies | 0.009 | 0.016 |
| Scholarly communication | 0.011 | 0.006 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.000 |
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".