Des repères pour répondre aux besoins des élèves en formation professionnelle
Bibliographic record
Abstract
Les deux référentiels de compétences professionnelles des enseignants produits par le ministère de l’Éducation du Québec en 2001 et 2020 comptent une compétence professionnelle traitant de l’adaptation des interventions aux besoins et aux caractéristiques des élèves. Cette compétence circonscrit l’action des personnes enseignantes en contexte d’hétérogénéité, autour des difficultés d’apprentissage, des difficultés d’adaptation ou d’un handicap. Pour les personnes enseignantes de la formation professionnelle, dont une part de la clientèle se compose d’élèves à risque ou ayant des besoins particuliers, le développement de cette compétence est crucial. Cependant, le contexte d’insertion en enseignement et de formation à temps partiel des personnes enseignantes, le grand nombre de métiers enseignés, la variété des modalités d’enseignement et des modes de formation entraînent des pratiques d’accompagnement des élèves variables entre les personnes intervenantes et les milieux. Cet article a pour but de dégager, à partir de données qualitatives issues d’un questionnaire administré auprès de plus de 2680 élèves en formation professionnelle, dans une recherche au devis mixte, des repères pour répondre à leurs besoins. Ces repères, destinés aux personnes intervenant dans les milieux scolaires et dans les stages, visent à aider les élèves à surmonter les obstacles qui se dressent sur leur parcours scolaire.
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 | 0.012 | 0.031 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.008 | 0.005 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.015 | 0.002 |
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".