Se recentrer, réguler ses émotions et envisager l’avenir avec optimisme : aperçu de de la contribution d’un dispositif de psychologie positive pour susciter le bienêtre de futures et nouvelles enseignantes du préscolaire et primaire au Québec
Bibliographic record
Abstract
Se recentrer, réguler ses émotions et envisager l'avenir avec optimisme : aperçu de la contribution d'un dispositif de psychologie positive pour susciter le bienêtre de futures et nouvelles enseignantes du préscolaire et primaire au Québec Formation et profession 33(3), 2025 • ésumé Relativement peu d'initiatives permettent de soutenir psychologiquement les recrues en enseignement, en formation initiale et au cours de l'insertion professionnelle.Diverses études portant sur des interventions de psychologie positive menées auprès d' enseignant•es indiquent des bénéfices prometteurs pour favoriser la santé psychologique et le bienêtre.Cet article décrit les retombées longitudinales d'un dispositif innovant de psychologie positive mis en œuvre auprès de futures et nouvelles enseignantes.L'analyse des questionnaires et entrevues révèle notamment que le dispositif a contribué au bienêtre des participantes en atténuant le stress et la détresse psychologique, puis en stimulant l' optimisme, offrant ainsi des pistes pour bonifier l'accompagnement.
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 | 0.000 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| 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".