Sammelrezension zum Thema: Schulische Inklusion in den USA und Canada
Bibliographic record
Abstract
Die massive, globale Bildungsexpansion hat kein Land unberührt gelassen. Zudem wachsen stetig die Zahlen der als sonderpädagogisch förderbedürftig wahrgenommenen Kinder und Jugendlichen. Obwohl in vielen Ländern immer mehr dieser Schülerinnen und Schüler in Regelklassen unterrichtet werden, ist ihr Anteil in separaten Klassen oder Einrichtungen nicht rückläufig. Trotz vielfältiger Reformvorhaben auf unterschiedlichen Ebenen des Bildungssystems werden Schülerinnen und Schüler mit wahrgenommenem Förderbedarf weiterhin stigmatisiert und segregiert. Gleichzeitig wird Bildung zunehmend als Menschenrecht verstanden, das in dem Leitgedanken „Bildung für Alle“ (Education for All) und der zumindest rhetorisch zur globalen Norm gewordenen „inclusive education“ zum Ausdruck kommt. Diese spannungsreichen Entwicklungen variieren geographisch in verschiedenen Dimensionen und in mannigfacher Hinsicht erheblich. Die Thematik sonderpädagogischer Förderung – und damit auch inklusive Bildung – ist seit jeher von Ambivalenzen und Konflikten durchsetzt. Beide werden in den aktuellen weltweiten Debatten evident. Es wird eine Bandbreite an Förderorten bereitgestellt und nach Lösungen für die sich zunehmend stellende Frage nach der optimalen individuellen Förderung jede/r Schüler/in gesucht. Vor diesem Hintergrund bieten die vorgelegten Dissertationen zu Reformen zu inklusiveren Schulen in den USA von Magdalena Johnson und in Kanada von Andreas Köpfer den deutschsprachigen Leserinnen und Lesern wichtige Quellen für die wissenschaftliche und bildungspolitische Auseinandersetzung entlang von Ländern, die schon länger versuchen, die schulische Segregation zu reduzieren; oft mit Erfolg. Einerseits liefern beide Bücher ein tiefgreifendes Verständnis der oft verkürzt dargestellten Entwicklungen Nordamerikas im Bereich der inklusiven, schulischen Bildung. Andererseits berichten diese Studien über wesentliche Wandlungsprozesse in der sonderpädagogischen Förderung – vor allem auf Schulebene in bestimmten US-Bundesstaaten bzw. kanadischen Provinzen – in nationalen Kontexten, die oft pauschal als vorbildhaft gelten. Die beiden analysierten föderalen Bildungssysteme Nordamerikas bieten wertvolle Vergleichsmöglichkeiten. Dies insbesondere für die in Deutschland aufflammende Debatte nach Inkrafttreten der UN-Behindertenrechtskonvention 2009 und im Zuge der (meist schleppenden) Umsetzung inklusiver Bildungsreformen.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.004 | 0.013 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".