Innovations en rémunération pour le personnel enseignant du secteur public québécois
Bibliographic record
Abstract
Ce mémoire a pour objectif d'étudier les perceptions de la rémunération globale de la partie syndicale du secteur de l'enseignement des centres de services scolaires francophones en regard à l'évolution de la tâche et des conditions d'exercice de la profession depuis les deux dernières décennies. En ce sens, une série d'outils de collecte de données ont été empruntés : entretiens semi-dirigés individuels et de groupe, analyse des conventions collectives, analyse de documents gouvernementaux, journalistiques et d'avis sur des enjeux spécifiques à la profession et son secteur d'activité. Les résultats démontrent que le personnel enseignant du secteur public francophone et leurs organisations syndicales sont d'avis que, dans les vingt dernières années, la tâche enseignante s'est complexifiée et s'est intensifiée alors que les conditions d'exercice se sont dégradées. De plus, ces même acteur.rice.s sont d'avis que la rémunération extrinsèque (salaires, avantages sociaux, etc.) et la rémunération intrinsèque (reconnaissance, autonomie professionnelle, etc.) n'ont pas suivi l'évolution de la profession ce qui accentue, entre autres, les problèmes d'attraction et de rétention auprès des enseignant.e.s.
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 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.010 | 0.005 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".