An autoethnographic exploration of disability discourses: transforming science education and research for students with learning disabilities
Notice bibliographique
Résumé
In this autoethnographic inquiry, I examine the dominant disability discourses that inform practice and research in science education for individuals with disabilities. Guided by my experience as a practitioner-researcher, I use reflexive vignettes and photo elicitation to discuss and critique disability discourses (e.g., the medical and social models of disability) that construct students with learning disabilities (LD) as disadvantaged learners. For example, the medical model of disability pathologises students with LD by focusing on their individual deficits and blaming them for their academic struggles and failures in science. In contrast, the social model of disability locates the problem solely within the students' environment (e.g., teaching strategies) and does not consider within-individual issues (e.g., cognitive deficits). By navigating through these discourses, I found my voice as a practitioner-researcher in Bronfenbrenner's (2005) ecological model, which recognises that individuals' barriers stem from their characteristics as well as their complex, multilayered environment. This article, embedded within a reflexive process, illuminates my journey of self-transformation as a practitioner-researcher while transforming and bringing educational changes to the academic lives of my students with LD.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,019 | 0,031 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,002 | 0,015 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».