Relations entre les compétences émotionnelles et la qualité des relations interpersonnelles en contexte de stage : le cas des étudiants en formation en enseignement
Bibliographic record
Abstract
Pour les étudiants en formation initiale en enseignement, les compétences émotionnelles sont primordiales, car elles leur permettent de tisser des relations positives avec les élèves et les acteurs scolaires, en particulier en stage. À partir des modèles de Mikolajczak et al. (2020) sur les compétences émotionnelles et de Gross et John (2003) sur la régulation émotionnelle, nous avons exploré les compétences des étudiants à réguler leurs émotions et à développer des relations avec les élèves et l’équipe-école durant leur stage selon qu’ils présentent ou non des difficultés d’ordre alexithymique. L’alexithymie est un trait de personnalité qui est associé avec une difficulté à identifier, analyser et verbaliser ses émotions (Bagby et al., 2020). L’échantillon comportait 60 étudiants en quatrième année de leur parcours universitaire en enseignement dans une université canadienne située en Alberta. Les données ont été recueillies selon un devis descriptif corrélationnel par le biais de questionnaires d’autoévaluation. De façon générale, les résultats indiquent que les étudiants stagiaires ayant des lacunes sur le plan des compétences émotionnelles se manifestant par de l’alexithymie utilisent plus fréquemment la suppression expressive et moins fréquemment la réévaluation cognitive pour réguler leurs émotions comparativement à leurs pairs non alexithymiques. De plus, ils tissent des relations de moins bonne qualité à certains égards avec les élèves et les intervenants de l’équipe-école que leurs pairs non alexithymiques. Cette étude souligne l’importance de mettre en place, dès la première année de la formation initiale en enseignement, des mesures permettant aux futurs enseignants de développer leurs compétences émotionnelles afin d’atteindre le niveau de compétence attendu pour ce type de profession.
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 | 0.004 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| 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".