Pénurie d’enseignants au Québec. Comment faciliter l’insertion professionnelle et la rétention des enseignants formés à l’étranger?
Bibliographic record
Abstract
Pour remédier à la pénurie d’enseignants au Québec, les centres de services scolaires recrutent des enseignants immigrants formés à l’étranger (EIFÉ). Ces enseignants vont, certes, combler les besoins en main-d’œuvre, mais leur intégration ne saurait se faire sans heurts. Les résultats de recherche montrent que les EIFÉ font face à des défis relatifs à l’intégration à l’équipe-école, à la mise en œuvre des orientations du programme de formation et à la familiarisation avec leur nouvel environnement de travail (Niyubahwe, Mukamurera et Sirois, 2018). Toutefois, leur expérience varie d’une école à l’autre en fonction des réalités contextuelles et des caractéristiques personnelles des EIFÉ. Partant des récits d’expérience des EIFÉ au Québec et des souhaits qu’ils expriment, ce texte a pour objectif de présenter quelques défis d’intégration professionnelle des EIFÉ et de dégager des pistes d’actions à mettre en œuvre pour faciliter leur transition professionnelle et leur rétention dans la profession enseignante.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.013 | 0.004 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.025 | 0.002 |
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".