Search

Résumé L’engagement des enseignants, souvent perçu comme le niveau de leur implication et de leur enthousiasme dans leurs fonctions, a suscité un intérêt croissant ces dernières années. Cet engagement se manifeste lorsque les enseignants se sentent reconnus et alignés avec les objectifs de l’organisation, les motivant ainsi à fournir des efforts accrus pour contribuer à son succès. Cette étude vise à analyser en profondeur l’impact de l’intelligence émotionnelle et du bien-être psychologique sur l’engagement des enseignants travaillant au sein des écoles publiques en milieu rural, en considérant la satisfaction au travail comme médiateur. Le rôle primordial des enseignants dans la concrétisation des objectifs éducatifs est indéniable, car ils jouent un rôle direct dans la formation et le développement des élèves. Il est donc essentiel de comprendre les facteurs qui influencent leur engagement pour améliorer les résultats scolaires dans ces régions. Les données recueillies proviennent d’une enquête menée auprès de 173 enseignants travaillant dans des écoles publiques situées en milieu rural. L’analyse des données a été réalisée à l’aide du logiciel SmartPLS 4.0. Les résultats de l’étude montrent que l’intelligence émotionnelle, le bien-être psychologique, et la satisfaction au travail ont tous un effet positif significatif sur l’engagement des enseignants dans ces contextes. En d’autres termes, des enseignants satisfaits de leur travail, se sentant en bonne santé mentale et dotés d’une intelligence émotionnelle élevée, sont davantage enclins à s’impliquer pleinement dans leur travail et à contribuer de manière proactive à la réalisation des objectifs éducatifs.   Mots clés: Intelligence émotionnelle, Bien-être psychologique, Satisfaction au travail, Engagement professionnel.       Abstract Teacher engagement, often perceived as the level of their involvement and enthusiasm in their roles, has garnered increasing interest in recent years. This enga, Résumé L’engagement des enseignants, souvent perçu comme le niveau de leur implication et de leur enthousiasme dans leurs fonctions, a suscité un intérêt croissant ces dernières années. Cet engagement se manifeste lorsque les enseignants se sentent reconnus et alignés avec les objectifs de l’organisation, les motivant ainsi à fournir des efforts accrus pour contribuer à son succès. Cette étude vise à analyser en profondeur l’impact de l’intelligence émotionnelle et du bien-être psychologique sur l’engagement des enseignants travaillant au sein des écoles publiques en milieu rural, en considérant la satisfaction au travail comme médiateur. Le rôle primordial des enseignants dans la concrétisation des objectifs éducatifs est indéniable, car ils jouent un rôle direct dans la formation et le développement des élèves. Il est donc essentiel de comprendre les facteurs qui influencent leur engagement pour améliorer les résultats scolaires dans ces régions. Les données recueillies proviennent d’une enquête menée auprès de 173 enseignants travaillant dans des écoles publiques situées en milieu rural. L’analyse des données a été réalisée à l’aide du logiciel SmartPLS 4.0. Les résultats de l’étude montrent que l’intelligence émotionnelle, le bien-être psychologique, et la satisfaction au travail ont tous un effet positif significatif sur l’engagement des enseignants dans ces contextes. En d’autres termes, des enseignants satisfaits de leur travail, se sentant en bonne santé mentale et dotés d’une intelligence émotionnelle élevée, sont davantage enclins à s’impliquer pleinement dans leur travail et à contribuer de manière proactive à la réalisation des objectifs éducatifs.   Mots clés: Intelligence émotionnelle, Bien-être psychologique, Satisfaction au travail, Engagement professionnel.       Abstract Teacher engagement, often perceived as the level of their involvement and enthusiasm in their roles, has garnered increasing interest in recent years. This enga

The exponential growth in dataset sizes has shifted the bottleneck of high-performance data analytics from the compute subsystem to the memory and storage subsystems. This bottleneck has led to the proliferation of non-volatile memory (NVM). To bridge the performance gap between the Linux I/O subsystem and NVM, userspace memory-mapped I/O enables application-specific I/O optimizations. Specifically, UMap, an open-source userspace memory-mapping tool, exposes tunable paging parameters to application users, such as page size and degree of paging concurrency. Tuning these parameters is computationally intractable due to the vast search space and the cost of evaluating each parameter combination. To address this challenge, we present Autopager, a tool for auto-tuning userspace paging parameters. Our evaluation, using five data-intensive applications with UMap, shows that Autopager automatically achieves comparable performance to exhaustive tuning with 10 x less tuning overhead. and 16.3 x and 1.52 x speedup over UMap with default parameters and UMap with page-size only tuning, respectively.

Persistent data structures represent a core component of high-performance data analytics. Multiple data processing systems persist data structures using memory-mapped files. Memory-mapped file I/O provides a productive and unified programming interface to different types of storage systems. However, it suffers from multiple limitations, including performance bottlenecks caused by system-wide configurations and a lack of support for efficient incremental versioning. There-fore, many such systems only support versioning via full-copy snapshots, resulting in poor performance and storage capacity bottlenecks. To address these limitations, we present Privateer 2.0, a virtual memory and storage interface that optimizes performance and storage capacity for versioned persistent data structures. Privateer 2.0 improves over the previous version by supporting userspace virtual memory management and block compression. We integrated Privateer 2.0 into Metall, a C++ persistent data structure allocator, and LMDB, a widely-used key-value store database. Privateer 2.0 yielded up to 7.5× speedup and up to 300× storage space reduction for Metall incremental snapshots and 1.25× speedup with 11.7× storage space reduction for LMDB incremental snapshots.