Un apport des entretiens collectifs : saisir les processus de vulnérabilisation en faisant émerger préjugés et tabous
Bibliographic record
Abstract
Cette contribution s’appuie sur une recherche qualitative centrée sur l’intégration d’enseignants migrants travaillant dans les écoles québécoises. Dans ces contextes, ils sont vulnérabilisés : d’une part, leurs conditions d’emploi sont dégradées, car ils sont recrutés sur des statuts précaires et souvent affectés à des postes hors de leur expertise disciplinaire; d’autre part, leur place dans les relations de travail est fragile, car faute d’expérience au Québec, ils ne partagent pas d’emblée les conventions locales de travail et sont alors faiblement intégrés dans leur écologie professionnelle. Leurs activités sont donc marquées par des surprises et des chocs, mais aussi par des « faux pas » perçus comme des transgressions des normes en vigueur. Notre dispositif d’enquête, fondé sur des entretiens collectifs associant des enseignants migrants et des partenaires de travail, conduit à réévaluer ces expériences et situations. Une analyse des interactions qui s’y déroulent et des ficelles méthodologiques employées par la chercheuse permet l’expression d’interprétations stéréotypiques implicites qui alimentent la vulnérabilisation au travail des enseignants migrants. Ces interprétations se jouent dans le sens d’une stigmatisation sur deux plans : celui des conduites quotidiennes manifestes et celui des assignations identitaires plus diffuses.
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 | 0.006 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.016 | 0.013 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.001 | 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".