La problématique culturelle de l’insertion des nouveaux enseignants et enseignantes à l’école
Bibliographic record
Abstract
À la suite des retraites massives prises par des personnes qui avaient commencé leur carrière en éducation dans les années soixante et soixante-dix, les systèmes scolaires canadiens connaissent actuellement une importante période de renouvellement de leur personnel scolaire. Au niveau de chaque école en particulier, l’arrivée en grand nombre de nouvelles et nouveaux enseignants entraîne des changements majeurs dont certains sont subtils mais fondamentaux. Dans cet article, l’auteure propose certaines pistes de réflexion relatives aux importantes transformations qui se produisent alors. Plus spécifiquement, on s’intéresse ici au phénomène d’intégration et d’acculturation que vivront non seulement les nouvelles et les nouveaux venus, mais aussi toutes les personnes qui travaillent déjà au sein de l’école. Une analyse de la culture de l’école peut aider à cerner, comprendre et mieux gérer cette période de transformation. Après avoir défini le concept de culture organisationnelle et résumé certaines recherches pertinentes à la problématique de cet article, l’auteure conclut en démontrant de quelle manière l’analyse culturelle de l’école peut permettre de prévoir et de mieux gérer l’arrivée des nouvelles et nouveaux enseignants.
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 | 0.011 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.017 | 0.034 |
| Scholarly communication | 0.020 | 0.013 |
| Open science | 0.003 | 0.010 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.010 | 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".