MétaCan
Menu
Retour à la cohorte
Enregistrement W2915334022 · doi:10.1177/105678791802700404

Increasing Inclusion and Reducing the Stigma of Special Needs in Latvia: What Can We Learn from Other Countries?

2018· article· en· W2915334022 sur OpenAlexaffabout
Zaiga Mikelsteins, Thomas G. Ryan

Notice bibliographique

RevueInternational Journal of Educational Reform · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisability Education and Employment
Établissements canadiensNipissing University
Organismes subventionnairesnon disponible
Mots-clésSocial exclusionPovertyStigma (botany)LatvianEuropean unionIndependence (probability theory)Economic growthInclusion (mineral)Political sciencePopulationSpecial needsPsychologyPublic relationsSocial psychologyMedicineBusinessEnvironmental healthEconomicsPsychiatry

Résumé

récupéré en direct d'OpenAlex

Latvia regained its independence in 1991 and has been slowly transforming the education system to meet the standards of the European Union (EU) and the Western world. Since regaining independence Latvia has started to integrate children with special education needs into regular schools and society; yet the process is quite restrained and measured, causing many to suggest that there must be a way and means to accelerate this process. If only Latvians could access and use practices found (Alberta) Canada or another inclusive country (Finland), that has successfully integrated students and adults with disabilities into school and society, to diminish Latvian problems such as life long dependency, poverty and social exclusion that adds to an already existing stigma of intellectual disability according to the European Union Monitoring and Advocacy Program (EUMAP, 2005). Stigma is the one issue that keeps surfacing as the key challenge for people with special needs in Latvia (Fine-Davis & Faas, 2014). Latvian society at present has minimal exposure and experience with children and adults with special needs, resulting in unawareness, avoidance, and a general misunderstanding of this population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0090,005
Communication savante0,0060,010
Science ouverte0,0020,008
Intégrité de la recherche0,0070,006
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,351
Écart entre enseignants0,326 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Educational ReformMême sujetDisability Education and EmploymentTravaux en français237 207