Le caractère collectif de la (re)construction du savoir-évaluer d’enseignants migrants qui s’intègrent dans les écoles québécoises
Bibliographic record
Abstract
Le Québec accueille un grand nombre d’immigrants, et plusieurs d’entre eux s’intègrent comme enseignants dans les écoles, principalement à Montréal. Dans leur pays d’origine, ils ont été formés selon des conceptions et manières de faire souvent inspirées du modèle français valorisant la fonction de sanction et de sélection sociale de l’évaluation des apprentissages. Dans le cadre d’une recherche collaborative financée par le Conseil de recherches en sciences humaines du Canada en 2015-2017, nous avons accompagné un groupe d’enseignants migrants du secondaire formés à l’étranger dans une réflexion critique au sujet de leur récente intégration dans les écoles montréalaises. Des rencontres individuelles et de groupe auprès d’eux, mais aussi de leurs partenaires professionnels, ont permis de comprendre le processus interactif de (re)construction de leur savoir-évaluer dans ce nouveau contexte. S’ils se sont tous alignés sur les manières de faire locales, leur degré d’adhésion aux valorisations liées à l’évaluation a été modulé selon les réactions des autres membres de leur écologie professionnelle.
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 | 0.011 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.019 | 0.015 |
| Scholarly communication | 0.010 | 0.004 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 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".