Pistes et axes de travail à poursuivre pour réduire la pénurie de stages en France
Bibliographic record
Abstract
Le nombre d’étudiants en ergothérapie a fortement augmenté depuis ces dix dernières années en France, ce qui a pour conséquence un besoin de stages complémentaires sur le plan national que les Instituts de formation en ergothérapie (IFE) peinent de plus en plus à obtenir. Dans le cadre du Syndicat des instituts de formation en ergothérapie français (SIFEF), un groupe de travail a mené trois enquêtes afin de connaître les raisons et identifier des pistes de solutions ; une auprès des IFE (Charret et al., 2024a), une autre auprès des ergothérapeutes (Charret et al., 2024b) et une troisième auprès des étudiants en ergothérapie (Charret et al., 2025). Le traitement de ces enquêtes par la prise en compte des référentiels de formation de rééducateurs et d’infirmiers et le fonctionnement de plusieurs instituts de formation européens et canadien ont permis d’envisager sept pistes de réflexion et de solutions pour répondre à cette problématique qui impacte 1260h de formation clinique (ministère de la Santé et des Sports, 2010) soit environ 40 % de la formation totale. Dans cet article, sept propositions sont exposées, argumentées et présentées sous forme de questionnements. Elles concernent, par exemple, la reconnaissance des missions spécifiques du tutorat, l’organisation des stages, le développement de pratiques tels que l’accueil de stage en binôme ou l’autonomie de l’étudiant dans la recherche de stage. Chacune d’elles invite l’ensemble des acteurs à mener une réflexion commune et à envisager des actions pour la réduction de la pénurie de stage.
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 | 0.008 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.007 | 0.007 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.030 | 0.005 |
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".