La transition professionnelle de personnes enseignantes issues de l’immigration ouest-africaine de langue française vers la pratique enseignante dans le système scolaire québécois du secteur francophone
Bibliographic record
Abstract
Depuis longtemps, le Québec accueille des milliers d’immigrantes et d’immigrants provenant de partout, ce qui pose inéluctablement le problème de leur insertion sociale et professionnelle. C’est ce qui nous pousse à nous intéresser à une catégorie professionnelle bien déterminée : les personnes enseignantes de migration récente (EMR) provenant de l’Afrique de l’Ouest. Ces enseignantes et enseignants intègrent un nouveau pays, un nouveau système éducatif et un nouvel environnement scolaire et socioculturel. Leur transition peut donc comporter d’énormes défis. Certes, un certain nombre de travaux existent sur cette clientèle (Jabouin, 2018; Niyubahwe, 2015; Provencher, 2020, Schmidt, 2016), mais peu d’écrits sont spécifiquement consacrés aux EMR venant de l’Afrique subsaharienne. Les résultats d’une recherche qualitative menée au moyen d’entrevues semi-dirigées auprès de cinq EMR du secondaire de la région de Montréal montrent un déficit informationnel avant et après leur installation, un accueil désastreux à tous les niveaux du système, une adaptation pénible dans leur nouvelle société, des difficultés d’intégration dans le système et dans les établissements scolaires où ils sont affectés, les préjugés, le rejet et l’indifférence dont ils font l’objet autant de la part de leurs collègues, des membres des directions d’école que des autres personnels. Cependant, les résultats montrent aussi les stratégies déployées pour prendre sa place comme enseignant à part entière.
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 | 0.004 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.013 | 0.007 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| 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".