Les politiques de remédiation et de développement des compétences professorales destinées aux enseignants-cliniciens
Bibliographic record
Abstract
Contexte : De nombreuses Facultés de médecine développent des politiques de remédiation professorales destinées à soutenir les enseignants tout au long de leur carrière académique. Cela concerne aussi bien la qualité des enseignements que les problématiques comportementales. Notre objectif était de dresser un état des lieux des politiques de remédiation existantes en Amérique du Nord et en Europe. Méthode : Une revue systématique des écrits scientifiques a été conduite sur la base de données Pubmed-Medline. Les données concernant le type de structure en charge des politiques de remédiation, leur champ d’action, les dispositifs existants, leur coût et leur mode de fonctionnement ont été recueillies. Résultats : Après analyse, 14 articles ont été retenus. Ils révèlent que les structures de développement professoral sont le plus souvent en charge de faire appliquer les politiques de remédiation, dont le champ d’action peut varier d’une université à l’autre. Nous avons choisi de présenter en détail la politique mise en œuvre à la Faculté de médecine de l’Université de Montréal à des fins comparatives. Conclusion : Ces politiques privilégient une approche individualisée dont les bénéfices devront faire l’objet d’évaluation. Elles offrent d’ores et déjà un cadre de référence structuré, des interlocuteurs bien identifiés et un traitement optimal des signalements avec priorisation des cas les plus urgents.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.002 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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 teacher head, 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".