Élaboration et validation d’une échelle de mesure de la professionnalisation des étudiants et des étudiantes universitaires en sciences de la santé
Bibliographic record
Abstract
Cet article présente les résultats d’une étude ayant pour objectif l’élaboration et la validation d’une échelle de mesure de la professionnalisation des étudiants et étudiantes universitaires en sciences de la santé. Des éléments de preuve de contenu, de processus de réponse et de structure interne de cette échelle ont été apportés au fil de l’étude, entre autres grâce à une collecte de données auprès de 561 étudiants et étudiantes de premier et deuxième cycles provenant de quatre universités québécoises. Les analyses factorielles exploratoires appuient une structure interne à quatre facteurs, avec une très bonne cohérence interne. Un quatrième facteur (valorisation de la profession) s’ajoute aux trois facteurs (compétences, identité et culture professionnelles) énoncés dans le cadre conceptuel initial. Les analyses factorielles confirmatoires confirment cette structure ainsi que la relation entre ces quatre facteurs de premier ordre et un unique facteur de professionnalisation de second ordre. Cette échelle constitue un instrument robuste permettant d’étudier la professionnalisation des étudiants et étudiantes aux différentes étapes de leur formation en sciences de la santé.
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 | 0.128 | 0.285 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.007 | 0.007 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.002 | 0.003 |
| 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".