Assess, Sort, Classify: “Othering” of Indigenous Students in Manitoba’s Schools
Notice bibliographique
Résumé
In the province of Manitoba, Canada, there is a gap between the rhetoric of inclusive education and its practical implementation. In the absence of inclusive educational policies and guidelines, deficit-based approaches such as categorical labels for students who are deemed to have a severe emotional and behavioural disorder, segregated classrooms, and self-contained programs are prevalent and change is needed. This paper provides a critical perspective on how the paradigm of special education contributes to the social construction of disability; how, for Indigenous students, it too often positions behavioural difference as disability; and further, why this practice is systemically discriminatory. In our examination, we seek to expose the exclusion (Slee & Allen, 2001) that exists in nominally inclusive schools as a way to promote social change and redirect education toward truly inclusive practices. To that end, we suggest the following strategies that may reduce educational inequity for Indigenous students: (a) developing clearly articulated inclusive educational policies along with indicators of inclusivity; (b) reporting the number of Indigenous students who are identified as emotionally and behaviourally disordered, and segregated in self-contained settings; (c) establishing needs-based models of support at all levels (e.g., province, division, and school); (d) creating new narratives of assessment and pedagogy; and (e) reconceptualizing teachers’ training. We hope that by critically examining the structures and processes of special education that, in fact, disable Indigenous students from educational success, inclusion might encompass more than a provincial philosophy and include transformative educational change.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».