Violences à l’égard des enseignants : Variation entre écoles et rôle du climat scolaire
Bibliographic record
Abstract
Les violences à l’égard des enseignants sont un enjeu important pour le bien-être des personnes et pour la lutte contre la pénurie. Une action en faveur du climat scolaire est souvent présenté comme un levier pour réduire ces violences. Cette présentation s’intéresse à l’ampleur des variations entre écoles concernant le risque pour les enseignants d’être victimes de violences, et au rôle du climat scolaire (en particulier de la gestion de la discipline) dans l’explication de ces variations entre écoles. Une première étude porte sur un échantillon de 834 enseignants belges francophones provenant de 37 établissements secondaires. Une seconde étude porte sur 1.151 enseignants québécois provenant de 53 établissements secondaires. Les résultats d’analyses multiniveaux montrent que la fréquence de victimisation des enseignants varie assez peu d’un établissement à l’autre. Une partie de ces variations est associée à la composition du public de l’établissement, tandis qu’une autre partie est associée à des pratiques de gestion de la discipline et de soutien de cas de difficulté. Les résultats interrogent l’importance supposée du climat d’établissement dans la prévention des violences envers les enseignants et invitent à plus de précision et de rigueur dans l’étude du climat scolaire.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".