Le personnel enseignant et l’enseignement dans l’agenda du Réseau ouest et centre africain de recherche en éducation (ROCARE) : état des lieux vingt ans après Maclure (1997)
Bibliographic record
Abstract
Cet article s’inscrit dans le prolongement de la synthèse réalisée par Maclure en 1997 sur la recherche en éducation en Afrique centrale et occidentale. Il s’agit donc d’une revue des travaux de recherche portant sur le thème du personnel enseignant et de l’enseignement dans les douze pays francophones membres du Réseau ouest et centre africain de recherche en éducation (ROCARE) au cours des vingt dernières années, soit de 1997 à 2017. Cette revue repose sur un corpus documentaire sélectionné dans la bibliothèque numérique du ROCARE. Les 315 études recensées couvrent les quatre sous-thèmes suivants : 1) formation du personnel enseignant et pratiques pédagogiques; 2) évaluation des apprentissages et qualité de l’éducation; 3) réformes curriculaires et méthodes pédagogiques; 4) éducation non formelle. Ces études convergent sur le déficit de formation initiale et continue des enseignantes et enseignants, ce qui ne leur permet pas d’appliquer les méthodes pédagogiques et les curriculums issus des réformes et d’offrir un enseignement de qualité. Vingt ans après Maclure, la question enseignante et l’enseignement se présentent dans les mêmes termes.
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 | 0.012 | 0.016 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.009 | 0.009 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.006 | 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".