Développement d’un profil stratégique du leadeurship en aménagement linguistique et culturel pour le système d’éducation francophone du Nouveau-Brunswick : une approche collaborative
Bibliographic record
Abstract
Les défis de l’apprentissage dans les écoles francophones en milieu minoritaire au Canada sont bien documentés et nécessitent une réflexion profonde afin de les appréhender. Face à une diversité ethnoculturelle et linguistique grandissante observée, dans ces écoles, les leadeurs scolaires sont interpelés à exercer un leadeurship particulier pour répondre à la double mission des écoles francophones (Lapointe & Langlois, 2002). Au Nouveau-Brunswick, seule province officiellement bilingue du Canada, cette situation impose certaines exigences au travail des directions d’école qui doivent réussir là où les familles et l’ensemble des communautés n'y sont pas parvenus. Les directions d’école sont ainsi directement interpelées à exercer leur rôle non seulement pour assurer la réussite scolaire des élèves, mais aussi pour renforcer leur fierté et leur identité francophone et acadienne (MEDPENB, 2014). Toutefois, celles-ci soulignent un manque d’outils qui leur permettraient d’atteindre ces objectifs (Boudreau, 2014). Cette communication présente les résultats d’une recherche appliquée visant à développer un modèle d’accompagnement permettant à ces directions d’écoles de mieux remplir leur rôle en aménagement linguistique et culturel dans l’atteinte de la double mission de l’école francophone.
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 | 0.019 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.015 | 0.007 |
| Open science | 0.004 | 0.008 |
| Research integrity | 0.004 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
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".