Tutorat par les pairs pour des étudiants en situation de handicap non visible : la perception des tuteurs
Bibliographic record
Abstract
Cet article a pour objectif de décrire un programme de tutorat à l’Université du Québec à Montréal et les perceptions des tuteurs à ce propos. Le programme s’adresse à des étudiants-tuteurés en situation de « handicap non visible » et cible le renforcement de leurs stratégies d’apprentissage. Cette étude exploratoire, auprès de sept tuteurs impliqués dans ce programme, présente les motivations, la satisfaction et le rôle de ces derniers, leurs perceptions de la formation offerte sur le tutorat, les activités réalisées et les difficultés rencontrées. Les données ont été obtenues à l’aide d’une entrevue individuelle et d’un questionnaire. Les résultats indiquent que les tuteurs semblent satisfaits de leur expérience qui en retour semble contribuer à leur développement professionnel. Toutefois, les tuteurs proposent de mettre en place des mesures de supervision plus soutenues lors de la session universitaire. Ils relèvent des difficultés associées à la motivation des tuteurés et à la gestion des rencontres. Ils soulignent aussi des problèmes à dissocier l’apprentissage des stratégies d’études et la relation personnelle avec les étudiants tuteurés. La discussion propose plusieurs recommandations à l’intention des universités utilisant le tutorat comme dispositif dans l’aide aux étudiants en situation de handicap.
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 | 0.004 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".