L’insertion professionnelle des enseignants à la maîtrise en enseignement au secondaire de l’Université de Sherbrooke : recherche heuristique pour en comprendre le vécu
Bibliographic record
Abstract
L’exercice de l’enseignement dans des conditions difficiles pour un nouvel enseignant ne facilite en rien son intégration. Il mène, ultimement, à son épanouissement professionnel. D’ailleurs, plusieurs parmi les nouveaux enseignants abdiquent et prennent même la décision d’abandonner leur profession dans les premières années d’enseignement (Mukamurera et al., 2008). L’insertion professionnelle (IP) s’est vue largement étudiée, et ce, particulièrement en regard des enseignants du primaire et du secondaire possédant une formation initiale en enseignement. Or, d’autres types d’enseignants au secondaire, que l’on nomme « non légalement qualifiés », sont présents dans le paysage scolaire et le seront de plus en plus dans les années à venir en raison de la pénurie d’enseignants. Ces enseignants ne possèdent pas de brevet d’enseignement suite à une formation initiale en enseignement. Il peut s’agir d’enseignants de migration récente ou d’étudiants à la maîtrise en enseignement au secondaire. Ces derniers, qui détiennent un baccalauréat disciplinaire, se retrouvent déjà dans la profession sans aucune formation préalable en pédagogie et en gestion de classe. Alors, quel est le vécu de ces enseignants à la maîtrise en enseignement au secondaire à travers les diverses dimensions de l’IP? L’étude révèle des similarités avec tous les autres enseignants en IP, mais démontre aussi des particularités et des défis propres aux enseignants à la maîtrise en enseignement au secondaire.
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 | 0.017 | 0.026 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.011 | 0.006 |
| Scholarly communication | 0.018 | 0.010 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.005 | 0.006 |
| Insufficient payload (model declined to judge) | 0.031 | 0.004 |
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".