Évaluation du programme de mentorat entre enseignants à l'Université du Québec à Trois-Rivières
Bibliographic record
Abstract
AvertissementL'auteur de ce mémoire ou de cette thèse a autorisé l'Université du Québec à Trois-Rivières à diffuser, à des fins non lucratives, une copie de son mémoire ou de sa thèse.Cette diffusion n'entraîne pas une renonciation de la part de l'auteur à ses droits de propriété intellectuelle, incluant le droit d'auteur, sur ce mémoire ou cette thèse.Notamment, la reproduction ou la publication de la totalité ou d'une partie importante de ce mémoire ou de cette thèse requiert son autorisation.Ce document est rédigé sous la forme d'un article scientifique, tel qu'il est stipulé dans les Règlements des études avancées (2012; article 138) de l'Université du Québec à Trois-Rivières.v REMERCIEMENTS Je me souviendrai toujours de ce 27 février 2015 alors que le professeur Jason Luckerhoff, dans une discussion de corridor à l' UQTR, m'a insufflé l'étincelle qui m 'a permis de croire qu 'entreprendre des études de 2 e cycle pouvait être possible pour moi .Depuis ce jour, il m 'a soutenue et encouragée dans ma démarche avec tout l'enthousiasme qu'on lui connaît.Il a été un codirecteur disponible, attentif et généreux.Je lui serai éternellement reconnaissante d' avoir décelé ma passion pour les communications et d'avoir réussi à la mailler avec mon intérêt pour la relation d'aide.Je tiens aussi à exprimer toute ma gratitude au professeur François Guillemette qui a cru en mes possibilités d'atteindre cet objectif et qui m' a dirigé d'une main de maître, guidé par ses valeurs de bienveillance et de respect.Par son ouverture et le temps qu ' il a consacré à mon encadrement, il a grandement contribué à la réalisation de ce rêve.Je voudrais aussi remercier mes évaluatrices Synda Ben Affana et Mireille Lalancette pour leurs judicieux commentaires qui ont aidé à structurer ma pensée et mes textes.Enfin, je souhaite aussi remercier les professeurs du Département de lettres et communication sociale de l' UQTR qui , au fil de mon cheminement, m' ont guidée et m' ont permis notamment d'acquérir les éléments/compétences propres à la réflexion scientifique, ce qui n'était pas une mince tâche!Cela apporte aujourd'hui une grande richesse à mon expérience terrain.Je ne peux passer sous silence le soutien indéfectible de mon supérieur, le vice-recteur à la recherche et au développement, M. Robert W. Mantha, qui m 'a aussi convaincue de passer du DESS à la maîtrise.Je le remercie d' avoir cru en moi alors que je doutais de pouvoir y arriver.Merci au recteur, M. Daniel Mc Mahon, qui m' a toujours manifesté son support dans cette démarche.Je suis aussi reconnaissante envers mes collègues de l'UQTR qui m'ont écoutée et encouragée dans mes péripéties d 'étudiantes, Vil jumelées à une vie professionnelle bien chargée.Un merci spécial à Marie-France Milot, Caroline Prud'Homme et Yvon Laplante pour leur appui et leurs bons conseils.
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 | 0.013 | 0.024 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 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".