Portrait des élèves ayant des besoins particuliers en formation professionnelle dans le secteur santé
Bibliographic record
Abstract
Au Québec, la présence grandissante des élèves à besoins particuliers en formation professionnelle (FP) (Rousseau et al. (2007), principalement liée à l’augmentation des élèves HDAA (QSIAQ, 2012), a entrainé une plus grande prise en compte de ces derniers au cours des dernières années. Par ailleurs, la société québécoise fait face à une importante pénurie de main-d’œuvre, notamment dans le secteur de la Santé. Alors que ces nouvelles réalités sociales, culturelles et scolaires (Desaulniers et Jutras, 2012) accentuent la complexité des situations d’enseignement et d’apprentissage vécues au quotidien en FP, les écrits scientifiques sont avares sur les questions de persévérance et de réussite scolaires en formation professionnelle (Beaucher, Mazalon et Beaucher, 2016; Bourdon et Mazalon, 2015; Savoie-Zajc et Dolbec, 2007; Rivière, 2002). Les caractéristiques et les besoins des élèves en FP seront exposés à partir des résultats d’un questionnaire complété par 330 élèves inscrits dans un des programmes du Secteur 19-Santé dans les régions du Saguenay-Lac St-Jean et de l’Estrie. Ces résultats sont issus d’un projet plus large touchant l’ensemble des secteurs de formation, s’intéressant aux caractéristiques des EBP et aux pratiques professionnelles des intervenants (Beaucher et al., 2017[1]). La discussion de ces résultats permettra de soulever des questions quant à la réussite des EBP dans le secteur Santé et de réfléchir sur des pistes d’intervention et de recherche éventuelles.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.008 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 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".