Gestion d’établissement scolaire en contexte post-conflit armé : enjeux et défis pour les directions d’école en Côte D’Ivoire
Bibliographic record
Abstract
Jusqu’au début des années 2000, en plus d’être une puissance économique, la Côte d’Ivoire est considérée comme un exemple en matière d’éducation en comparaison aux autres pays de la sous-région. Toutefois, la situation bascule en 2002, plongeant le pays dans une décennie de crise sans précédent. Au sortir de cette période de crise, l’amélioration du système éducatif devient un enjeu. Dans ce contexte, le rôle de la direction d’école devient primordial. Cet article met en exergue le lien entre les pratiques de gestion mises en œuvre par cet acteur en contexte post-crise et la réussite des élèves. Une méthodologie qualitative est retenue pour permettre aux directions, à travers des entretiens semi-dirigés, d’expliciter le leadership qu’elles mettent en œuvre au quotidien. Les résultats montrent que l’amélioration de la réussite des élèves est une priorité pour elles. Elles exercent dès lors un leadership de type pédagogique centré sur les enseignements et les apprentissages.
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 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.011 | 0.014 |
| Scholarly communication | 0.010 | 0.004 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 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".