MétaCan
Menu
Back to cohort

Le système de gestion de la violence scolaire au Cameroun. Entre prévention, répression et remédiation : quelles perspectives pour les élèves ?

2024· article· fr· W7131416466 on OpenAlexvenueno aff
Mama Chandini

Bibliographic record

VenueRevue des sciences de l éducation · 2024
Typearticle
Languagefr
FieldSocial Sciences
TopicPeace and Human Rights Education
Canadian institutionsnot available
Fundersnot available
KeywordsPolice brutalityPoison controlPublic management

Abstract

fetched live from OpenAlex

Cet article vise à évaluer l’efficacité du système de gestion de la violence scolaire au Cameroun, en rapport avec les approches utilisées, les résultats produits et les conséquences induites par ledit système. Les résultats de l’étude montrent que les moyens de prévention, les mesures de répression et les mécanismes de remédiation auxquels les responsables administratifs des établissements scolaires ont recours pour assurer le maintien de l’ordre et de la discipline produisent des résultats contrastées oscillant entre soumission par crainte de sanctions, sentiments de détresse, de colère et de révolte des élèves contre le système scolaire. En conséquence, cette étude qualitative de type exploratoire révèle que les pratiques de gestion de la violence ont des effets contreproductifs sur le comportement scolaire des apprenants et sur le parcours de vie de ces derniers. Pour y remédier, l’instauration d’une culture de la gouvernance participative dans la gestion des établissements scolaires est préconisée. Elle permettra que, dans une dynamique partenariale, l’institution scolaire puisse associer parents d’élèves, administrateurs scolaires, associations d’élèves, travailleurs sociaux et membres de la société civile, à l’effet d’éviter le « tout répressif » et privilégier les approches consensuelles dans les processus de prise de décisions disciplinaires et d’administration des sanctions.

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 imitation

Not 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.

metaresearch head score (Codex)0.005
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesScience and technology studies
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: Theoretical or conceptual
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.130
Threshold uncertainty score0.999

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0050.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0030.002
Scholarly communication0.0010.002
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.107
GPT teacher head0.393
Teacher spread0.286 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designTheoretical or conceptual
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2024
Admission routes1
Has abstractyes

Explore more

Same venueRevue des sciences de l éducationSame topicPeace and Human Rights EducationFrench-language works237,207