Les exigences physiques chez les enseignants d'éducation physique au Québec
Bibliographic record
Abstract
L'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.Je tiens tout d'abord à remercier mon superviseur, Monsieur François Trudeau, avec qui j ' ai eu le plaisir de pat1ager ses connaissances tout au long de mon cheminement universitaire à l'UQTR.Je lui dis Merci pour sa patience, son encouragement et son ouverture.Je remercie également Monsieur Louis Laurencelle pour sa disponibilité et son aide.Ce projet n'aurait pu être réalisé sans l'aide de l'IRSST qui a contribué au financement de cette étude et qui a permis d ' entreprendre un pas vers l' avant en ce qui concerne le domaine de la santé et la sécurité au travail chez les enseignants.Je désire également adresser des remerciements à Simon Bergeron Vaillancourt et Richard Lat'ouche, étudiants à la maîtrise, pour leur aide précieuse lors de l'expérimentation et l'analyse des données.Finalement mes sincères remerciements à ma famille et mes amis, surtout à mes parents et ma femme Angham, auxquels j'offre ce travail en reconnaissance de leurs efforts et soutiens apportés tout au long de mes études.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 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".