Les besoins et les défis de l’évaluation des compétences linguistiques des enseignants et des enseignantes d’immersion française et de français langue seconde en Alberta
Bibliographic record
Abstract
Les enseignants et les enseignantes d’immersion française (IF) et de français langue seconde (FLS) doivent être des modèles langagiers pour les élèves. Les directions d’école et les cadres des conseils scolaires ont l’obligation de s’assurer, à travers un processus d’évaluation, que le personnel enseignant embauché dispose de compétences linguistiques suffisantes pour fournir un cadre d’apprentissage bilingue aux élèves et qu’il s’engage à les améliorer constamment. À travers une enquête administrée auprès de 48 professionnels et professionnelles d’IF et de FLS, suivie de quatre entrevues semi-dirigées menées auprès des membres des équipes de direction d’école, nous avons analysé les perspectives d’ éducateurs et d’ éducatrices de l’Alberta sur les besoins et les défis liés à l’évaluation du français. Les résultats indiquent qu’il n’existe pas de processus d’évaluation linguistique uniforme durant l’embauche du personnel enseignant et que la planification des activités de perfectionnement linguistique dépend souvent de la taille du conseil scolaire, de l’emplacement de l’école, des ressources disponibles et de l’insécurité linguistique du 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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.060 | 0.032 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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; both teacher heads agree on what is shown here.
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".