Les enseignantes et enseignants non légalement qualifiés au Québec : état des lieux et perspectives de recherche
Bibliographic record
Abstract
Depuis quelques années, le nombre d’enseignantes et d’enseignants non légalement qualifiés est en augmentation dans les écoles du Québec. Recrutées pour combler les besoins urgents dans un contexte de pénurie de personnel enseignant, ces personnes ne détiennent pas les certifications minimales requises par la loi pour enseigner. Des recherches scientifiques américaines suggèrent que le manque de formation du personnel enseignant peut avoir des impacts négatifs sur les apprentissages des élèves, et plusieurs institutions québécoises soulèvent également des inquiétudes quant aux impacts qualitatifs du recours à ce personnel non légalement qualifié. Or, il est difficile d’avoir des données fiables sur l’emploi de ce type d’enseignantes et d’enseignants au Québec. À ce jour, aucune recherche scientifique ne s’est spécifiquement intéressée à l’étude de cette catégorie de personnel enseignant en tant que groupe professionnel distinct et aux enjeux particuliers qui découlent de sa présence dans les écoles québécoises. Cet article propose un état des lieux de l’emploi d’enseignantes et d’enseignants non légalement qualifiés au Québec. Les résultats comprennent un état des politiques et des pratiques structurant l’emploi de cette catégorie de personnel, un bref portrait de ses caractéristiques socioprofessionnelles et les répercussions quantitatives de son emploi sur l’offre de personnel enseignant.
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 | 0.010 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.007 |
| Science and technology studies | 0.009 | 0.006 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 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".