L’accompagnement des directions adjointes d’école en insertion professionnelle dans une perspective de développement de compétences
Bibliographic record
Abstract
Les directions adjointes d’établissement scolaire (DAÉ) en insertion professionnelle doivent faire face à de nombreux défis liés à leur entrée en fonction et elles ont besoin de soutien afin de s’approprier les responsabilités et les tâches liées à leur nouvelle fonction (Brassard et Royal, 2010; Fortin, 2006; Gouvernement du Québec, 2006). Cependant, malgré le fait que les recherches indiquent l’importance du soutien à offrir aux DAÉ en insertion professionnelle, il y a peu d’écrits sur les stratégies de formation et l’accompagnement à mettre en place ainsi que sur les rôles à assumer par la direction d’établissement (DÉ) auprès d’une DAÉ nouvellement en fonction. À cet effet, nos projets d’intervention (l’évaluation d’un dispositif d’insertion professionnelle pour des DAÉ et le projet de recherche-action sur les rôles de la DÉ auprès d’une DAÉ en insertion professionnelle) apportent de nouveaux savoirs professionnels relativement à la formation, l’accompagnement, la supervision et l’évaluation des DAÉ en insertion professionnelle. D’une part, ces savoirs peuvent fournir un éclairage pour la prise de décisions afin d’assurer une insertion professionnelle qui soutient le développement professionnel des DAÉ. D’autre part, ces savoirs peuvent guider l’analyse de pratiques professionnelles afin d’assurer un agir compétent auprès des DAÉ nouvellement en fonction.
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 | 0.009 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.010 | 0.032 |
| Scholarly communication | 0.012 | 0.007 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.010 | 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".