Formation de stagiaires en enseignement ayant une situation de handicap : points de vue des formateurs de terrain
Bibliographic record
Abstract
Cette étude vise l’analyse des tensions, des défis et des besoins entourant la formation et l’accompagnement de stagiaires en situation de handicap (SH) par des formateurs de terrain selon deux axes. Le premier concerne leur regard sur le fait d’offrir des mesures d’accommodement en les adaptant aux stages et le second porte sur l’accompagnement, la formation et l’évaluation des stagiaires en SH. Il ressort d’un questionnaire en ligne et de groupes de discussion auprès de formateurs de terrain, pour le premier axe, qu’une forte proportion de répondants sont moins favorables à offrir des mesures d’accommodement, surtout dans les derniers stages, puisque l’autonomie du stagiaire en SH et son rendement au travail sont jugés prioritaires. En ce qui concerne le second axe, l’ouverture des répondants à former des stagiaires en SH dépend entre autres de la nature du handicap, des tensions que celui-ci occasionne dans la charge de travail et de leurs craintes relatives au manque d’ouverture de la société. Ils revendiquent de manière claire des formations sur cette problématique par des spécialistes de la question et des stratégies à mettre en place par les institutions pour assurer un meilleur suivi des stagiaires.
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 | 0.005 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".