La mise en oeuvre des instruments visant à attirer, recruter et retenir les enseignants dans les zones rurales au Burkina Faso
Bibliographic record
Abstract
La recherche présentée dans cet article vise à décrire les instruments d’action publique mis en place pour attirer, recruter et retenir les enseignants dans les zones rurales burkinabè et à en documenter la mise en oeuvre. L’analyse s’appuie sur le modèle d’analyse de la mise en oeuvre des politiques éducatives proposé par Honig (2006). La collecte de données a été effectuée par le biais d’une analyse documentaire et d’entrevues individuelles auprès des acteurs impliqués dans la mise en oeuvre des instruments étudiés, et auprès des enseignants en poste dans des écoles situées en zones rurales. Les résultats montrent qu’un instrument d’action publique a un réel impact positif sur l’attraction et le recrutement des enseignants dans les zones rurales : la régionalisation du recrutement et des affectations. Le principal défi reste toutefois la rétention des enseignants à moyen et long terme dans les zones rurales des régions les plus éloignées.
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 | 0.014 | 0.028 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".