D'apprenant à enseignant : la construction identitaire et l'accès à la communauté professionnelle des enseignants de français en Colombie-Britannique
Bibliographic record
Abstract
Cette thèse examine la construction identitaire d’enseignants de français pour qui le français n’est pas une langue dominante en Colombie-Britannique (Canada). J’analyse plus spécifiquement les dynamiques interactionnelles vécues par des enseignants de français au cours de leur propre apprentissage du français jusqu’à leur situation actuelle en tant que professionnels du français langue seconde. Ces dynamiques sont constitutives de la construction de leur identité professionnelle d’enseignants, mais également de l’identité linguistique qu’ils développent, en tant que locuteurs du français, tout au long de leur parcours d’apprenant puis d’enseignant. Ma recherche emploie une méthodologie qualitative et biographique et repose sur une perspective critique pour analyser les propos venant de 17 enseignants et/ou étudiants- maîtres en formation professionnelle recueillies au moyen d’entrevues semi-dirigées. L’analyse des données montre que la confiance identitaire des participants suit une trajectoire qui correspond à trois stades de vie bien particuliers : la scolarité, la formation professionnelle et la carrière d’enseignant de français. Cette trajectoire s’inscrit dans les dynamiques interactionnelles qu’ils vivent à ces trois étapes et elle évolue en fonction des communautés au sein desquelles les participants s’insèrent. Ainsi, pour certains participants, la période de formation professionnelle à l’université est parfois rendue difficile par une remise en question de la légitimité de l’identité linguistique, et donc par extension, de l’identité professionnelle. Ce questionnement identitaire peut ainsi persister durant la carrière d’enseignant, rendant l’exercice de la profession d’autant plus difficile. En revanche, d’autres participants réussissent, à travers notamment la découverte de nouveaux discours sur le bilinguisme, à trouver une nouvelle légitimité professionnelle et linguistique ; cela contribue à leur donner alors le sentiment d’un accès possible à la communauté professionnelle et linguistique qu’ils désirent, dans le contexte de l’enseignement du français comme langue seconde en Colombie-Britannique.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.014 | 0.016 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.007 |
| 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".