Stratégies d’insertion professionnelle d’enseignants immigrants de minorité visible
Bibliographic record
Abstract
La recherche sur l’insertion professionnelle des enseignants immigrants de minorité visible se situe à l’étape embryonnaire au Canada, particulièrement en Ontario, ce champ étant encore peu exploré par la communauté scientifique. Les différentes recherches portent davantage sur le stade de la formation à l’enseignement, alors que l’insertion professionnelle peut demeurer difficile pour ces enseignants. Cet article présente quelques résultats d’une recherche narrative sur les trajectoires d’insertion professionnelle des nouveaux enseignants originaires des Caraïbes et d’Afrique subsaharienne (NEOCAS) dans les écoles francophones de l’est de l’Ontario. Des entrevues semi-dirigées des récits d’expérience d’insertion professionnelle ont été réalisées auprès de huit NEOCAS. L’analyse des données recueillies, en lien avec le cadre théorique du processus multidimensionnel de l’insertion professionnelle de Mukamurera, Martineau, Bouthiette et Ndoreraho montre que ces derniers ont mobilisé diverses stratégies d’insertion professionnelle pour essayer de surmonter les difficultés rencontrées lors de ce parcours, difficultés liées à l’accès à l’emploi, à l’affectation et aux conditions de la tâche, à la socialisation organisationnelle, à la professionnalité et à l’insertion personnelle et psychologique. Nous présentons ici les stratégies mobilisées par ces enseignants immigrants de minorité visible pouvant faciliter leur insertion professionnelle dans les écoles francophones de l’Ontario.
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 | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.016 | 0.009 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".