Sentiment d’efficacité : représentations de personnels enseignants à enseigner la thématique de l’agression sexuelle auprès des élèves du primaire dans le cadre de l’éducation à la sexualité
Bibliographic record
Abstract
L’agression sexuelle (AS) est une problématique d’envergure mondiale, sévissant dans l’ensemble des strates de la société dont l’outil de prévention est l’éducation. Au Québec, le Gouvernement a actualisé en 2018 l’éducation à la sexualité dans l’ensemble de ses commissions scolaires (CS) en la rendant obligatoire. De ce fait, les enseignants se doivent de l’intégrer dans leur planification globale. Au primaire, où s’est déroulée l’étude, la thématique de l’AS est abordée en première année de chacun des cycles scolaires (1re, 3e et 5e années). À cet égard, les études menées sont restreintes de par la nouveauté entourant l’objet d’étude. Le cadre conceptuel articule le concept de sentiment d’efficacité (personnelle et collective) ainsi que le construit de représentations (cognitives et sociales). L’objectif général visait l’identification des représentations de personnels enseignants du primaire au regard de leur sentiment d’efficacité à l’égard de l’enseignement de la thématique de l’AS dans le cadre de l’éducation à la sexualité. Pour sa part, la méthodologie a mis de l’avant une méthode qualitative donnant lieu à une tâche de classement et à une entrevue individuelle semi-dirigée auprès d’un échantillon constitué de 12 enseignants du primaire oeuvrant majoritairement à la CS de la Région-de-Sherbrooke (N= 11/12) et à la CS des Sommets (N=1/12). L’analyse de contenu fait état de représentations communes et partagées par les participants à raison de 50 % de l’échantillon. Les résultats démontrent que l’enseignement de l’éducation à la sexualité, mais plus particulièrement de la thématique de l’AS, génère un sentiment d’efficacité personnelle allant de moyen à faible chez les enseignants. Ce dernier provient, entre autres, du manque de ressources ainsi que de la crainte de recevoir un dévoilement. En conséquence, des besoins de formation, de matériels conventionnels et d’outils concrets sont énoncés de leur part relativement à l’actualisation de cette thématique. Selon la documentation scientifique répertoriée, l’augmentation de ressources pourrait influer directement sur leur sentiment d’efficacité.
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".