Enquête nationale auprès des étudiantes et étudiants en formation à l’enseignement dans les universités québécoises
Bibliographic record
Abstract
Ce projet de recherche a été initié par le professeur Maurice Tardif, un éminent chercheur de l’Université de Montréal, cofondateur du Centre de recherche interuniversitaire sur la formation et la profession enseignante (CRIFPE), dont le travail scientifique et le leadership intellectuel ont profondément marqué la recherche sur la profession enseignante au Québec et bien au-delà. Il a rassemblé autour de lui les chercheuses et chercheurs les plus impliqués dans les enjeux de la profession pour lancer l’une des plus grandes enquêtes réalisées au Québec sur les étudiantes et étudiants en formation à l’enseignement. Notre collègue nous a malheureusement quittés beaucoup trop tôt, avant de voir émerger les résultats de ce dernier projet qu’il avait mis sur pied et auquel il tenait tant. Son engagement, sa rigueur et son influence continuent cependant de guider notre travail et inspirent chaque ligne de ce rapport. Ce document lui est dédié en témoignage de notre gratitude et pour souligner l’impact inestimable qu’il a pu avoir sur nos propres trajectoires professionnelles, et celles de tant d’étudiantes, d’étudiants, de collaborateurs et collaboratrices. Nous espérons que cette contribution honore son héritage et son dévouement exceptionnel envers la profession enseignante en particulier, et plus généralement le développement des sciences de l’éducation au Québec. Merci, cher Maurice.
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 | 0.006 | 0.017 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.007 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.022 | 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".