Perspectives de recherche en sociométrie axées sur le développement de l’éducation inclusive et de pratiques accessibles visant les élèves les plus vulnérables sur le plan de l’intégration sociale à l’école
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cet article contribue à la réflexion entourant les perspectives de recherche soutenant le développement de l’éducation inclusive et de pratiques accessibles en s’attardant à la sociométrie (Moreno, 1934). Il souhaite démontrer comment la sociométrie favorise : 1) le développement de l’éducation inclusive pour soutenir l’équipe-école dans ses interventions auprès des élèves plus vulnérables pour leur intégration sociale (désignés par leurs pairs) grâce aux caractéristiques du groupe (p. ex. cohésion) et de ses membres (p. ex. statuts sociométriques), et 2) le développement de pratiques équitables et accessibles pour démocratiser la sociométrie par l’utilisation responsable et éthique de technologies en adaptant les fonctionnalités de son outil (le sociogramme) pour répondre aux besoins des milieux. L’inclusion des enfants vulnérables et des élèves à risque – sans oublier les autres élèves dits EDAA (élèves en difficulté d’adaptation ou d’apprentissage), les immigrants récents et ceux issus de la diversité – fait partie de la mission de l’école, mais demeure un défi par le manque de formation et de ressources disponibles. Comment la recherche sur la sociométrie peut-elle contribuer à soutenir les milieux de pratique dans ce contexte post-pandémique où plusieurs enfants semblent avoir des difficultés, voire des lacunes sur le plan de leur développement social et affectif? Cet article vise à livrer le fruit d’une réflexion documentée, appuyée et bienveillante.
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.
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 | 0,011 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle