Quand la pandémie de COVID-19 frappe : défis vécus par les personnes étudiantes internationales et rôle du personnel enseignant dans les cégeps de région
Bibliographic record
Abstract
Cet article explore les expériences vécues des personnes étudiantes internationales (PEI) et des personnes enseignantes dans des cégeps de région, au Québec, durant la pandémie de COVID-19. Une étude qualitative dans trois cégeps de région à faible diversité ethnoculturelle visait à décrire les défis rencontrés par les PEI et le rôle du personnel enseignant dans ce contexte pandémique. À l’hiver 2021, 22 PEI et 18 personnes enseignantes ont participé à des entrevues semi-dirigées. L’analyse, fondée sur le modèle néoécologique du développement de Navarro et Tudge, a permis d’examiner les interactions entre les individus et les divers systèmes sociaux les influençant. Les résultats révèlent que les PEI ont éprouvé des difficultés de concentration, de motivation et d’adaptation aux outils technologiques. La pandémie a limité leurs possibilités de socialisation et de découverte de la société d’accueil, éléments pourtant centraux de l’expérience d’étudier à l’étranger. Le personnel enseignant a également affronté des défis d’adaptation, mais a su jouer un rôle clé en atténuant les répercussions de la crise grâce à l’ajustement de ses pratiques pédagogiques. Cette recherche souligne néanmoins l’importance de repenser les approches pédagogiques et les politiques d’accueil afin de mieux soutenir les PEI, particulièrement dans les contextes régionaux et en période de crise.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.006 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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 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".