“Being Integrated Does Not Mean Being Included”: What Factors Contribute to School Exclusion for Autistic Children?
Notice bibliographique
Résumé
Autistic students face a heightened risk of exclusion from school and related activities, yet the factors contributing to this issue remain poorly understood. To address this gap, the current study took place in Ontario, Canada's largest province, where diverse populations and varied inclusive education policies create unique challenges. The study had two primary objectives: (1) to examine the relationship between parent satisfaction with the individual education plan (IEP) process and school exclusion, and (2) to identify key factors parents perceive as predictors of school exclusion in their autistic children. A total of 412 caregivers from Ontario completed an online survey, available in English and French, between April and July 2018. Quantitative analysis revealed that greater satisfaction with the IEP process was associated with a lower likelihood of school exclusion (b = -0.297, OR = 0.743, p < 0.001). Qualitative analysis of open-ended responses identified two primary contributors to exclusion: bullying by peers and inadequate training and support for school staff. These findings highlight the need for improved supports in educational settings, including comprehensive anti-bullying initiatives, stronger collaboration with parents in the development of IEPs, greater accountability in ensuring that IEPs are properly implemented, a more inclusive approach to meeting student needs, and increased funding for support staff. Addressing these areas could help reduce the risk of exclusion and foster a more equitable learning environment for autistic students.
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 | 0,006 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».