Le mentorat destiné aux enseignants débutants: un soutien à sens unique ? Bénéfices perçus du mentorat par des mentors québécois
Bibliographic record
Abstract
Cette contribution s’inscrit dans un contexte marqué par une préoccupation grandissante pour l’insertion professionnelle des enseignants débutants, en même temps que pour la reconnaissance du potentiel des nouvelles recrues pour le changement éducatif. Selon une perspective « non déficitaire », mettant les ressources des débutants en valeur dans une logique d’apports mutuels, nous avons cherché à savoir en quoi ces derniers représentent des ressources pour les mentors et pour le milieu scolaire. Selon une approche qualitative/interprétative, l’analyse des réponses de 75 mentors québécois au sondage en ligne a permis d’identifier les bénéfices perçus du mentorat par ces enseignants expérimentés. Un double regard fut porté: sur les bénéfices pour le mentor à accompagner un mentoré et sur les ressources que peuvent représenter les mentorés pour le milieu scolaire. Nos résultats mettent en évidence que les nouvelles recrues ont beaucoup à apporter aux mentors et plus globalement au milieu scolaire, comme l’intégration de nouveaux outils technologiques, d’idées pédagogiques innovantes ou encore des dernières recherches ou théories éducatives. Par ailleurs, le mentorat contribue à la valorisation des mentors, à l’enrichissement, à l’actualisation, à la remise en question et à l’explicitation des pratiques du mentor. En somme, l’étude indique que le mentorat constitue une voie privilégiée de développement professionnel et de formation continue pour les mentors en plus d’avoir une incidence systémique plus globale, soutenant en bout de ligne la réussite des élèves.
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 | 0.005 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.005 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".