Des élèves (pas?) comme les autres parmi les autres. La littérature jeunesse comme facteur d’inclusion sociale pour les enfants avec trisomie 21 et autisme
Bibliographic record
Abstract
L’inclusion dans des classes ordinaires d’élèves avec trisomie ou autisme se heurte à bien des difficultés dont le regard des enfants typiques peu préparés à ces rencontres. En France, depuis la promulgation, en 2005 de la loi « pour l’égalité des droits et des chances, la participation et la citoyenneté des personnes handicapées », l’inclusion des enfants en situation de handicap est devenue l’objectif à atteindre. Pour examiner dans quelle mesure la littérature jeunesse pourrait être un outil pertinent pour leur faire découvrir les difficultés rencontrées par des enfants avec des troubles neuro-développementaux, nous avons analysé 26 ouvrages destinés aux enfants de 3 à 11 ans dans lesquels un héros avec trisomie ou autisme est scolarisé. Au terme d’une étude comparative des deux séries de livres (15 sur la trisomie, 11 sur l’autisme), dans lesquels les caractéristiques et les difficultés des enfants en situation de handicap sont décrites de manière différentielle, nous avançons que ces ouvrages qui délivrent des messages implicites d’acceptation de la différence et de tolérance pourraient contribuer à lever les réticences et à engager le dialogue au sein des établissements scolaires.
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 | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
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".