Intégration scolaire d’élèves présentant des difficultés d’ordre comportemental : liens entre attitude des enseignants, stress et qualité de la relation enseignant-élève
Bibliographic record
Abstract
Les élèves présentant des difficultés comportementales sont parmi ceux ayant le plus faible taux d’intégration en classe ordinaire. Plusieurs variables propres à l’enseignant sont considérées comme ayant un impact dans le processus intégratif de ces élèves. Le présent article évalue les associations entre certaines de ces variables, dont le stress de l’enseignant et la qualité de sa relation avec l’élève présentant des difficultés d’ordre comportementale, dans l’établissement d’une attitude favorable ou défavorable à l’égard de l’intégration. L’échantillon se compose de 221 enseignants (77 hommes et 144 femmes) de niveau secondaire. Les résultats d’une analyse de régression font ressortir le pouvoir prédictif autant du stress que de la qualité de la relation enseignant-élève sur l’attitude de l’enseignant. L’ajout de variables secondaires (années d’expérience d’enseignement, formation initiale reliée aux élèves présentant des difficultés comportementales, sexe des enseignants) dans le modèle de régression, contribue à l’effet global d’interaction, ce qui suggère leur effet modérateur. Ces résultats témoignent de la nécessité d’agir sur deux fronts à la fois, afin d’améliorer les attitudes des enseignants quant à l’intégration scolaire de ces élèves : sur leur stress à enseigner à ces derniers et sur la qualité de la relation enseignant-élève.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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".