Affective professional commitment among teachers in Québec: Study of a theoretical model
Bibliographic record
Abstract
Résumé: La présente étude a pour objectif de vérifier un modèle explicatif d’engagement professionnel des enseignants québécois en prenant comme prédicteurs la fréquence de l’utilisation des nouvelles modalités d’évaluation des apprentissages, les expériences émotionnelles positives et le sentiment de compétence. Un échantillon de 1 205 enseignants québécois du primaire et du secondaire a été choisi à partir d’une base de données extraite d’une étude pancanadienne Les résultats des analyses de parcours ont indiqué que les expériences émotionnelles positives et la fréquence de l’utilisation des nouvelles modalités d’évaluation sont les facteurs qui contribuent le plus à la variabilité de l’engagement professionnel affectif des enseignants. En conclusion, les méthodes contemporaines d’évaluation, tels que la résolution de problèmes et les travaux développés à long terme ainsi que la qualité des interactions produites en classe auprès des élèves sont des aspects qui doivent être considérés par les enseignants et encouragés par les directions d’écoles. Mots-clés: évaluation des apprentissages, expériences émotionnelles positives, engagement professionnel affectif, analyse de parcours
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".