COMPRENDRE L’INCLUSION À PARTIR DE FORMATIONS INTERCULTURELLES POUR LES INTERVENANTS ET LES IMMIGRANTS
Notice bibliographique
Résumé
Mieux comprendre l’inclusion exige une analyse approfondie des conditions sociales, économiques et politiques (GERMAIN, 2012). Ce qui est vrai, toutefois ce type d’analyse reste insuffisant pour comprendre l’inclusion en contexte interculturel. Premièrement, à cette échelle, les données sur l’immigration provoquent des controverses dont la cause peut être attribuée au fait que les indicateurs économiques, politiques et sociaux à notre disposition sont contradictoires. Deuxièmement, des comparaisons internationales laissent souvent de côté des modèles de gestions nationaux de la diversité, et les caractéristiques des interactions dans les contextes interculturels. L’approche proposée s’intéresse à l’inclusion en tenant compte de ces quatre échelles. Au niveau de l’interaction, elle met en évidence des difficultés propres aux rencontres interculturelles, en utilisant des données des services de santé et de l'insertion professionnelle des immigrants. Ces données suggèrent que les bonnes intentions de tous et chacun ne sont pas suffisantes pour réduire des difficultés en rapport avec des interactions interculturelles, qui sont complexes. Des phénomènes qui échappent notamment aux analyses économiques qui masquent des violences de plus en plus vécues par tous dans l’économie mondiale actuelle. En tenant compte de ces quatre échelles, cette analyse invite à revoir les modèles d’inclusion dans les sociétés pluriethniques.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,003 |
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 ».