L’éducation inclusive au croisement de l’approche intersectionnelle : une étude de portée sur la prise en compte de marqueurs de diversité
Notice bibliographique
Résumé
S’inscrivant dans le débat sur l’éducation inclusive et la prise en compte des différents marqueurs de diversité, cet article vise à mieux comprendre comment les recherches en sciences de l’éducation s’intéressent à l’éducation inclusive dans une perspective intersectionnelle. Dans un premier temps, nous proposons une étude de portée sur la prise en compte des différents marqueurs de diversité, dans dix recherches qui s’intéressent aux enjeux de l’éducation inclusive. L’objectif est d’explorer comment la perspective intersectionnelle est mise en oeuvre dans les différentes phases d’une recherche, de la problématisation à l’analyse des données. Dans un deuxième temps, nous présentons les résultats issus de deux groupes de recherches : 1) celles qui s’intéressent aux différentes catégories de marqueurs de diversité et aux relations entre ces catégories; 2) celles axées sur les processus d’exclusion et d’inclusion. La discussion soulève trois enjeux : le positionnement des élèves et leur représentation dans les recherches, les spécificités des contextes scolaires, et la perspective critique. Nous terminons par une réflexion sur le rôle des recherches dans la construction du sens de l’éducation inclusive et le risque de produire un savoir déficitaire, pouvant mener à de nouvelles formes de catégorisation.
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 | 0,018 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,016 | 0,031 |
| Communication savante | 0,021 | 0,021 |
| Science ouverte | 0,002 | 0,019 |
| Intégrité de la recherche | 0,004 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,002 |
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 ».