Comment les enseignantes et enseignants issus de l’immigration comparent-ils la conception de l’enseignement en faculté d’éducation manitobaine et en stage en milieu francophone minoritaire lors de leur formation initiale par rapport à celle qu’ils ont pu
Bibliographic record
Abstract
Cette recherche, de nature qualitative, repose sur une série de 10 entretiens semi-dirigés avec des finissantes et finissants de la Faculté d’éducation de l’Université de Saint-Boniface, Manitoba, Canada, qui ont effectué leur scolarité préuniversitaire ou universitaire à l’extérieur du Canada. Cette étude s’intéresse aux perceptions de ces personnes par rapport à plusieurs thèmes, dont la conception de l’enseignement. Le paysage scolaire étant en pleine évolution, compte tenu des flux migratoires, l’insertion professionnelle des futures enseignantes et des futurs enseignants immigrants présente plusieurs défis. Cette recherche donne la parole aux enseignantes et aux enseignants immigrants de façon à mieux comprendre les discontinuités culturelles en lien avec la conception de l’enseignement. Pour terminer, la conclusion propose des pistes de réflexion et d’action visant à mieux outiller les étudiantes et étudiants scolarisés à l’extérieur du Canada ainsi que les facultés d’éducation quant à leur connaissance de la conception de l’enseignement au Canada.
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 | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.013 | 0.010 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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".