Le défi de la collaboration entre enseignants et autres intervenants dans l’école inclusive : croisement des regards
Bibliographic record
Abstract
Cette étude vise à croiser les regards sur les défis de la collaboration professionnelle qui se construit, ou non, entre enseignants et autres intervenants en contextes scolaires inclusifs suisses et canadiens. Nous y examinons les résultats de quatre recherches empiriques qui, malgré des ancrages théoriques spécifiques, se regroupent autour d'une approche psychosociologique de l'éducation et utilisent diverses méthodes de collecte de données s’inscrivant toutes dans un paradigme qualitatif et compréhensif. Les résultats convergent pour créer l’image d’une collaboration professionnelle qui, malgré sa présence un peu partout dans les rapports entre intervenants dans l’école, demeure le plus souvent peu réfléchie et incomprise, tout en étant façonnée par les attentes des acteurs en présence, leur mandat et leur positionnement institutionnel. Les résultats révèlent aussi que des pratiques collaboratives créatives et contextualisées peuvent se construire à condition que les intervenants s’éloignent de la posture d’expert et s’engagent dans un processus itératif de négociations et de coconstruction de leur rôle professionnel avec les enseignants.
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 | 0.047 | 0.076 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.003 |
| Science and technology studies | 0.017 | 0.033 |
| Scholarly communication | 0.023 | 0.013 |
| Open science | 0.003 | 0.028 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.006 | 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".