Enrichir la compréhension de l’identité professionnelle des personnes enseignantes en formation technique au collégial par une prise en compte de la recherche sur la formation professionnelle : résultats d’une revue narrative systématisée
Bibliographic record
Abstract
Les personnes enseignantes en formation professionnelle et technique (FPT) sont confrontées à un ensemble de défis incluant le développement des technologies de l’information et de la communication (TIC), l’hétérogénéisation des groupes-classes ou l’implantation de l’approche par compétence (APC) (Andersson et Köpsén, 2015). Leur identité professionnelle se compose donc d’une dimension liée au métier enseigné et d’une autre associée aux compétences pédagogiques et didactiques (Tyler et Dymock, 2021). À la différence de la formation professionnelle (FP), le thème de l’identité professionnelle (IP) des personnes enseignantes demeure peu étudié pour la formation technique au collégial au Québec. Cet article vise à enrichir la compréhension de l’IP des personnes enseignantes en formation technique au Cégep par une analyse des résultats des recherches sur les personnes enseignantes en FPT dans un contexte québécois, canadien et internationale. Il présente les résultats d’une revue narrative systématisée réalisée dans le cadre d’une recherche doctorale.
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 | 0.010 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.010 | 0.008 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.017 | 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".