Les épreuves relationnelles des enseignants débutants français et québécois : quels enjeux pour la formation ?
Bibliographic record
Abstract
Cette communication propose une approche comparée du métier d’enseignant sur deux territoires distincts : la France et le Québec. Grâce à une enquête qualitative par entretiens, menée auprès d’enseignants français (n=50) et d’enseignants québécois (n=15) du primaire et du secondaire, nous amorçons une réflexion autour de ce que nous qualifions les « épreuves relationnelles » des enseignants débutants. Dans ces deux territoires, les débuts dans le métier sont marqués par un sentiment de manque de préparation (Broccolichi et al., 2018 ; Borges et al., 2021) et notamment au regard des difficultés relationnelles rencontrées. Trois épreuves relationnelles ont été identifiées à partir du discours de nos enquêtés : l’épreuve des contraintes relationnelles, l’épreuve des débordements relationnels et l’épreuve des affects. Finalement, comment analyser ces épreuves et en quoi sont-elles un enjeu de formation ? Les épreuves relationnelles rencontrées par les enseignants en début de carrière nous renseignent sur les relations entre enseignants et élèves telles qu’elles se déroulent réellement en classe. Ces relations ne sont pas organisées seulement autour de la transmission des savoirs, parfois elles débordent, parfois elles sont trop affectives et parfois elles sont contraintes par le cadre dans lequel elles prennent vie.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.011 | 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".