Dyslexie et dysorthographie à l’université : enjeux et défis rencontrés par des étudiants et étudiantes au Québec
Notice bibliographique
Résumé
Ce mémoire se penche sur les expériences vécues par les étudiants·es ayant une dyslexie et/ou une dysorthographie dans le milieu universitaire québécois. Cette recherche examine les obstacles qu’ils ont rencontrés et les stratégies qu’ils ont développées pour y faire face. Elle propose une analyse critique des normes liées à la littératie qui influencent les conditions de réussite académique. Le cadre conceptuel s’appuie sur les concepts de lexisme (Collinson, 2012), de capacitisme (Campbell, 2001) et de graphocentrisme (Buch, 2018). Des entrevues semi-dirigées ont été effectuées avec 10 étudiant·es universitaires. L’analyse des données révèle des contraintes institutionnelles et sociales qui ne tiennent pas suffisamment compte de la diversité des méthodes d’apprentissage. Les participant·es ont rencontré des difficultés d’accès aux accommodements, ont fait face à la stigmatisation liée à la divulgation du diagnostic et ont été confronté·es à des enjeux financiers et à un manque de reconnaissance du travail fourni. Ce paysage d’obstacles tend à individualiser les responsabilités. Cependant, certain·es participant·es ont su mettre en place diverses méthodes pour surmonter ces difficultés. Parmi ces méthodes, on peut noter l’utilisation d’outils numériques, une planification rigoureuse du temps, un réseau de soutien social et le camouflage de leur diagnostic. Ces tactiques démontrent que l’ajustement est un processus continu. Quatre formes de lexisme sont distinguées : institutionnel, interactionnel, temporel et symbolique, qui contribuent, de manière imbriquée, à la production et à l’intériorisation d’inégalités dans le contexte universitaire.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 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 ».