Le bien-être en enseignement : Tensions entre espoirs et déceptions
Bibliographic record
Abstract
Depuis la periode d’austerite financiere qu’ont connu plusieurs pays d’Occident a l’oree des annees 2000, le domaine de l’education n’a pas cesse d’etre frappe de front par des restrictions budgetaires qui ont des repercussions directes sur le travail des enseignants. Cette situation engendre un manque de ressources pour les eleves et une degradation des infrastructures scolaires. Le discours politique met en exergue l’importance de l’education, mais se bute a une froide realite ou l’Etat ne semble pas avoir les moyens – ou ne plus avoir le desir – d’etre a la hauteur de ses ambitions educatives. Dans ce contexte, des enseignants doivent faire face a des changements incessants qui apportent des defis nouveaux tels que l’eclatement des savoirs, l’emergence des technologies et de la formation a distance, la relation avec les eleves, l’emergence des communautes de pratique, la pluriethnicite ainsi que les attentes grandissantes des parents et de la societe. Consequemment, le travail enseignant s’est considerablement complexifie et cette situation nourrit plusieurs deceptions, ce qui entraine chez certains d’entre eux de la detresse psychologique ou le decrochage professionnel. Mais au-dela de ce portrait peu reluisant de la profession, des enseignants reussissent malgre tout a ressentir du bien-etre au travail et parviennent a developper une identite professionnelle affirmee et positive. Au regard de ce constat, comment est-il possible de soutenir le developpement de professionnels en enseignement sans sacrifier leur bien-etre et sans eteindre leur passion?? Cet ouvrage collectif allie les domaines de la sociologie, de la philosophie, de la psychologie ainsi que des sciences de l’education afin de mieux comprendre le phenomene du bien-etre. Il propose a la fois des analyses de fond et des pistes d’action. Nancy Goyette est professeure et chercheure au Departement des sciences de l’education de l’Universite du Quebec a Trois-Rivieres (UQTR). Detentrice d’une subvention du Fonds de recherche du Quebec – Societe et culture (FRQSC), ses recherches actuelles explorent le developpement identitaire qui favorise le bien-etre chez des enseignants novices. Stephane Martineau est professeur titulaire au Departement des sciences de l’education a l’Universite du Quebec a Trois-Rivieres (UQTR) et chercheur au Centre de recherche interuniversitaire sur la formation et la profession enseignante (CRIFPE). Ses champs d’interet vont des fondements de l’education aux questions de methodologie de recherche, en passant par le developpement professionnel des enseignants dans une perspective sociologique.
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 | 0.013 | 0.042 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.010 | 0.015 |
| Scholarly communication | 0.015 | 0.014 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.004 | 0.007 |
| Insufficient payload (model declined to judge) | 0.011 | 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".