DIGITALIZATION IN THE INCLUSIVE EDUCATIONAL PROCESS: OVERCOMING LANGUAGE BARRIERS
Notice bibliographique
Résumé
У статті досліджено роль диджиталізації в подоланні мовних бар’єрів та створенні інклюзивного навчального середовища для учнів із різноманітними потребами. Основна проблема, розглянута у роботі, полягає в обмеженому доступі до знань через мовні, фізичні та когнітивні перешкоди, які залишаються важливим викликом для традиційних освітніх систем. Метою статті є аналіз інноваційних цифрових рішень, що можуть сприяти формуванню адаптованих умов навчання для всіх учасників освітнього процесу, враховуючи їхні індивідуальні особливості та потреби. Розглянуто різні технології, що здатні спростити навчальний процес для учнів із обмеженими можливостями. Серед них – адаптивні навчальні платформи, програми для перетворення тексту на аудіо, інтерактивні додатки, які підтримують жестову мову, а також спеціалізовані мобільні застосунки з вбудованими функціями для користувачів з особливими потребами. Важливим аспектом роботи є аналіз міжнародного досвіду, що включає кейси з Канади, Німеччини та США, де такі технології допомагають інтегрувати принципи інклюзії в освіту. Автори також акцентують увагу на міжнародних стандартах доступності, які є основою для розробки цифрових навчальних продуктів, що відповідають сучасним вимогам. Використання міжнародних стандартів дозволяє впроваджувати універсальні рішення в освітній процес, які доступні для всіх учнів і враховують їхні індивідуальні потреби. Стаття демонструє, що впровадження цифрових інструментів і платформ є важливим кроком на шляху до більш доступної, гнучкої та рівноправної освіти. Запропоновані підходи можуть стати основою для розробки програм і стратегій, орієнтованих на інтеграцію диджиталізації в освітній процес, що дозволить знизити бар’єри у навчанні та сприяти створенню відкритого освітнього середовища для всіх учнів, відповідно до їх особливостей і можливостей.
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,018 |
| Communication savante | 0,017 | 0,017 |
| Science ouverte | 0,001 | 0,022 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».