Modélisation des processus en jeu en contexte de transition scolaire d’enfants ayant des besoins particuliers
Bibliographic record
Abstract
En contexte de la première rentrée scolaire des enfants ayant des besoins particuliers, la planification de cette transition vise quelques objectifs, notamment d’assurer la continuité éducative entre les différents milieux de vie de l’enfant, de faciliter son intégration dans le nouvel environnement, de préparer le milieu à l’accueillir avec ses particularités, d’adapter les activités aux besoins de l’enfant et d’encourager la participation active de la famille et des autres intervenants qui connaissent l’enfant. Une recherche qualitative/interprétative a permis d’examiner la dynamique du travail réalisé en réseau lorsque différents acteurs intersectoriels, incluant les parents, planifient cette transition d’enfants ayant des besoins particuliers. Trois réseaux ont été étudiés sur une période d’un an. Les résultats recueillis ont permis d’approfondir la façon dont des acteurs intersectoriels ont travaillé de concert, en réseau, pour favoriser une transition vers le préscolaire de qualité aux enfants ciblés. L’article porte sur la modélisation des processus en jeu lors de cette transition planifiée : les processus structurels et les processus interactionnels sont imbriqués à la dynamique qui se développe entre les acteurs lors des différentes opérations du travail en réseau et lorsque les savoirs sont en partage. Les acteurs ont profité des occasions offertes par les processus structurels pour oeuvrer ensemble à un « intérêt supérieur ». Ils ont évolué d’une logique d’action individuelle à une logique d’action collective; ils ont risqué des déplacements de rôle. Enfin, le temps dédié et la durée sont des éléments ayant contribué à la qualité de la démarche.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 0.001 |
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 source (direct Gemma or distilled Codex), 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".