Formation, accompagnement pédagogique et développement professionnel des professeur·es d'université : étude de cas multiples à Bahia, Brésil et au Québec, Canada
Bibliographic record
Abstract
L'attention portée à la formation, à l’accompagnement pédagogique et au développement professionnel du corps professoral universitaire demeure une préoccupation incontournable. Au Brésil, comme ailleurs, un nombre significatif de ces professionnel·les entament leur carrière sans bénéficier d'une formation pédagogique adéquate. Ils sont bachelier·ères, technicien·nes ou docteur·es, spécialisés dans leur domaine disciplinaire, mais dépourvus d'une préparation pédagogique. Pour relever ce défi, des centres de soutien et d'accompagnement pédagogiques ont été instaurés au Québec et au Brésil. Dans ce contexte, notre recherche vise à décrire, analyser et comprendre le rôle des centres de pédagogie universitaire à l'Université fédérale de Bahia (UFBA) et à l'Université de Montréal (UdeM) dans la formation et le développement professionnels des professeur·es. Notre approche repose sur une étude de cas multiples, adoptant une perspective qualitative. La collecte de données combine des entretiens semi-structurés avec des professeur·es, des coordonnateur·trices et des conseiller·ères pédagogiques ayant participé aux deux initiatives, ainsi qu'une analyse de l'infrastructure et des projets pédagogiques respectifs.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.013 | 0.004 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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; 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".