Enquêtes sur le plancher salarial et la rémunération des enseignants : un état de l’art – 2008-2021
Bibliographic record
Abstract
Cet article présente une enquête sur les études sur les salaires planchers et la rémunération des enseignants entre 2008 et 2021[3]. En ce sens, la revue de la littérature sur le plancher salarial du magistère est une pièce fondamentale. À cette fin, la méthodologie développée pour la recherche bibliographique est basée sur l’utilisation scientifique et prudente de la théorie de la Evidence-Based Practice (EBP)– en portugais, Práticas Baseadas em Evidências (PBE). C’est un état de l’art qui élimine l’un des facteurs les plus décisifs pour la transformation de la réalité éducative: les études sur les salaires et la rémunération des enseignants brésiliens. Dans cette étude, une autre contradiction entre les discours emphatiques ou grandilo chauds en défense de la valorisation de l’enseignement et les pratiques des autorités politiques et éducatives est exposée, nous appelant également la faible production de monographies, de mémoires et de thèses de doctorat, dans le monde universitaire, sur le plancher salarial et la rémunération des enseignants. Même avec la proclamation de l’appréciation de l’enseignant comme un facteur décisif pour assurer la qualité de l’éducation, plus de dix ans se sont écoulés depuis la création du salaire plancher, cependant, environ 60% des municipalités brésiliennes ne l’ont pas encore mis en œuvre et cela n’a pas la répercussion attendue dans les études universitaires.
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 | 0.025 | 0.033 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.007 | 0.006 |
| Scholarly communication | 0.009 | 0.008 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.004 | 0.010 |
| Insufficient payload (model declined to judge) | 0.015 | 0.003 |
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".