Perspectives pour la formation des maîtres en Francophonie
Bibliographic record
Abstract
Résumé Nous nous intéressons aux interactions entre trois catégories de protagonistes de la formation IFADEM au Sénégal, c’est-à-dire des instituteurs en cours de formation, les tuteurs et les superviseurs qui les accompagnent dans les académies scolaires de Fatick et de Kaolack. Notre analyse porte plus spécifiquement sur la dynamique de supervision tissée autour de 373 instituteurs dans ces académies. Pour ce faire, nous avons exploité des données issues de la compilation effectuée en 2017 à partir des rapports mensuels de vingt tuteurs et de onze superviseurs, rapports balisés sous la forme de questionnaires mixtes générant des données quantitatives et qualitatives. Ce chapitre est présenté en quatre parties. La première aborde les défis généraux de la formation des enseignants en Afrique subsaharienne et l’action d’IFADEM. La deuxième est consacrée à des considérations générales sur les notions de supervision et de formation à distance. La troisième présente la synthèse des rapports des superviseurs et des tuteurs. La quatrième porte sur les pistes d’amélioration de la chaîne de supervision.
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 | 0.004 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.011 | 0.009 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 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".