Processus de jugement d’évaluation des compétences professionnelles en contexte de stage en emploi : quand les stagiaires sont également des collègues
Bibliographic record
Abstract
En contexte de pénurie de personnel enseignant qualifié (Dupriez et al., 2023), les stages en emploi gagnent en popularité, mais ils forcent les milieux de formation initiale et de travail à repenser leur collaboration. Dans cette optique, nous avons mis en œuvre un dispositif de stage en emploi dans le cadre d’un projet de recherche mené en partenariat avec un centre de services scolaire. L’article suivant vise à décrire les enjeux perçus par les formateurs et formatrices impliqués dans l’évaluation des compétences en contexte de stage en emploi au regard de leur processus de jugement d’évaluation. Les occasions de stages en emploi étant récentes dans les programmes de formation à l’enseignement au primaire et au secondaire, notre article contribuera à développer les connaissances sur leurs retombées qui sont peu étudiées à l’heure actuelle (CSÉ, 2023). Pour ce faire, nous avons mené une analyse de contenu (Krippendorff, 2012) à partir de la transcription d’entretiens semi-dirigés afin d’identifier des thèmes émergents et récurrents quant aux perceptions des formateurs et formatrices (n = 8) au regard des enjeux perçus dans leur processus de jugement d’évaluation en contexte de stage en emploi. Nos résultats mettent en lumière plusieurs enjeux découlant du statut de collègue, impliquant un changement des rapports entre les personnes impliquées, sur les caractéristiques du processus de jugement d’évaluation des compétences professionnelles des stagiaires. Notre proposition témoigne d’un besoin de clarifier les rôles des formateurs et formatrices dans le contexte de stage en emploi, notamment au regard de l’évaluation.
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 | 0.030 | 0.073 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.002 |
| Science and technology studies | 0.005 | 0.007 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
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".