La privatisation de la formation initiale des enseignants en Amérique latine et en Afrique subsaharienne
Bibliographic record
Abstract
Dans les pays du sud, ou la massification de l’enseignement primaire et secondaire est un enjeu prioritaire depuis plusieurs decennies, plusieurs Etats, souvent sous l’influence de la Banque mondiale (Ball et Youdell, 2007), ont utilise la privatisation notamment comme un moyen d’elargir l’offre scolaire a moindres couts. Parallelement, les Etats ont du faire face a un enjeu de taille associe aux besoins d’enseignants formes pour combler les postes crees pour rendre l’ecole accessible a tous les enfants. Dans plusieurs pays, la participation du prive a la formation et au developpement professionnel des enseignants est alors apparue comme une solution pour faire face a ce defi dans des contextes marques par des ressources publiques limitees et aux capacites limitees des ecoles publiques de formation des enseignants. La participation du prive s’est notamment concretisee par l’emergence d’ecoles privees de formation des enseignants (OCDE, 2005). Cette communication, qui presente les resultats d’une recherche exploratoire s’inscrivant dans une programmation scientifique plus large, vise a faire le portrait de ce phenomene dans les pays du Sud et propose une cartographie de la privatisation de la formation des enseignants dans les 62 pays d’Amerique latine et d’Afrique subsaharienne cibles par notre etude.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 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".