Mission d’aider et pandémie : l’autoformation comme stratégie d’adaptation des délégués sociaux de la FTQ
Bibliographic record
Abstract
L’annonce du Grand confinement de mars 2020 est un mémento exceptionnel, un fait historique rare, une expérience vécue par tous les délégués sociaux et les déléguées sociales (DS) de la Fédération des travailleurs et des travailleuses du Québec (FTQ). Cet article dresse le portrait des défis posés par la pandémie de COVID-19 aux DS et fait état de leur remarquable capacité d’adaptation, par la voie de l’autoformation notamment. Sur le plan théorique, les fondements de nos analyses tirent leurs assises du mode d’apprentissage qu’est l’autoformation (d’Ortun, 2012), du modèle conceptuel de Karolewicz (2010) sur la transformation de la pratique professionnelle découlant de l’expérience et du processus et des phases de la transformation de Mezirow (2001). Côté méthodologie, les résultats de nos plus récentes analyses s’inscrivent dans un programme longitudinal de recherche se poursuivant depuis 2014. Les données empiriques soutenant cet article ont été recueillies à l’été 2020 dans la foulée du Grand confinement. Elles proviennent de 2 groupes de discussions ayant rassemblé plus de 25 DS chacun et de 13 entretiens semi-dirigés menés auprès de DS aux parcours et profils diversifiés. Ces entretiens (individuels et de groupe), d’une durée de 60 à 90 minutes, ont été menés par Zoom (en raison de l'injonction de distanciation physique), enregistrés et retranscrits dans leur intégralité. Dans le contexte de la mise sur pause de l’offre de formations syndicales, les résultats mettent en lumière les motifs, les objets et les stratégies d’autoformation des DS. La variété des autoformations recensées souligne la résilience, la débrouillardise, l’autonomie, ainsi que les capacités d’adaptation remarquables des DS pour rejoindre et aider les travailleurs, nonobstant les défis et les enjeux posés par la pandémie. Le document se conclut par les perspectives d’apprentissage entre pairs aidants, mais aussi, plus fondamentalement encore, par l’importance de collectiver les solutions en amont de la souffrance au travail en vue d’apaiser les milieux de travail.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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 teacher head, 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".