Enjeux et défis de la formation à l'enseignement professionnel
Bibliographic record
Abstract
Depuis plusieurs années, les milieux politique et éducatif ont mis en œuvre différentes avenues pour valoriser la formation professionnelle au Québec. À l’automne 2003, le baccalauréat en enseignement professionnel devient un programme de 120 crédits et la seule voie d’accès au brevet d’enseignement. Contrairement aux autres secteurs de formation à l’enseignement, les étudiants de ce secteur occupent déjà, à 81 %, un poste d’enseignant dans un centre de formation professionnelle, où ils ont été recrutés sur la base de leur expertise de métier ; ce n’est qu’une fois en poste qu’ils amorcent leur formation universitaire. Cette réalité et les changements politico-éducatifs ont représenté des défis pour l’implantation du baccalauréat en enseignement professionnel pour toutes les universités offrant le programme et pour tous les acteurs impliqués dans cette réforme. Ce collectif est le fruit d’une rencontre entre les auteurs et des chercheurs préoccupés par les défis de la formation à l’enseignement professionnel. Les perspectives multiples et les regards variés proposés par les chercheurs dans cet ouvrage soulèvent des enjeux émanant de la complexe réalité vécue par ces enseignants-étudiants.
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 | 0.014 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.021 | 0.035 |
| Scholarly communication | 0.015 | 0.006 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.004 | 0.008 |
| Insufficient payload (model declined to judge) | 0.012 | 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".