La conscience de soi des enseignantes et des enseignants à l’éducation préscolaire : un domaine de compétences socio-émotionnelles à explorer dès la période d’insertion professionnelle
Bibliographic record
Abstract
Une étude pancanadienne révèle qu’un désengagement par rapport à la profession peut être associé aux expériences émotionnelles négatives et mener graduellement à l’abandon (Kamanzi et al., 2017). Or, force est de constater qu’il existe peu de formations visant le développement et l’amélioration des compétences socio-émotionnelles du personnel enseignant (Beaumont et Garcia, 2020). Cet article présente les résultats d’une étude menée par entrevues semi-dirigées auprès de 16 enseignantes à l’éducation préscolaire provenant de cinq régions administratives du Québec, qu’elles soient en phase d’insertion professionnelle ou enseignantes expérimentées. L’objectif était de déterminer les besoins de formation continue, liés au développement des compétences socio-émotionnelles, qui sont perçus comme prioritaires par le personnel enseignant à l’éducation préscolaire. Les résultats révèlent entre autres des besoins liés à la conscience de soi, l’un des domaines définis dans de nombreux travaux de la Collaborative for Academic, Social, and Emotional Learning (Zins et al., 2004). Cet article se concentre plus spécifiquement sur les résultats relatifs à la période de l’insertion professionnelle et permet de formuler des hypothèses de réflexion et d’action pouvant être mises en oeuvre dans le cadre de programmes de formation continue au Québec, et ce, pour assurer la rétention des enseignantes et des enseignants dans la profession.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".