La rétention dans les écoles urbaines en contexte défavorisé : une étude qualitative sur la résilience des personnes nouvellement enseignantes
Bibliographic record
Abstract
Reconnaissant le problème pressant de la faible rétention du personnel enseignant dans les écoles en contexte urbain défavorisé, cette étude qualitative explore la résilience de personnes nouvellement enseignantes. Ancrée dans une approche fondée sur les atouts, elle mobilise le concept d’engagement urbain pour offrir des récits qui dressent une image positive des écoles urbaines. Des entretiens semi-directifs ont été menés auprès de sept personnes nouvellement enseignantes qui exercent dans des écoles primaires bruxelloises accueillant un public défavorisé, sélectionnées pour leur engagement urbain élevé. Les résultats de cette étude révèlent l’influence de l’engagement des personnes participantes pour les contextes urbains sur leur résilience. Ils indiquent également le caractère dynamique de la résilience, en identifiant quatre aspects qui résultent de l’interaction entre facteurs individuels et contextuels : 1) l’importance d’un alignement des valeurs sous-tendant leur engagement urbain avec celles de l’école, 2) la disponibilité et le soutien au sein de l’école pour accéder aux ressources, 3) les dynamiques positives et collaboratives d’équipe pour développer des rôles organisationnels, et 4) le « prendre soin » des personnes nouvellement enseignantes pour soutenir leur bienêtre et leur engagement dans les écoles urbaines. La responsabilité des directions d’école est soulignée dans la création d’environnements soutenant la résilience et l’engagement de leur équipe éducative.
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 | 0.007 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.005 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".