Quand diversité ethnoculturelle et défavorisation se conjuguent au quotidien : regards croisés d’acteurs en contexte scolaire montréalais sur les défis et les leviers d’intervention
Bibliographic record
Abstract
La diversité sociale et ethnoculturelle est de plus en plus présente dans certains milieux scolaires du Québec, une réalité qui soulève différents enjeux. L’école est appelée à s’adapter à cette diversité, en mettant à profit au quotidien les savoirs, les savoir-être et les savoir-faire de différents acteurs. Plusieurs perspectives théoriques ont été proposées dans ce contexte : éducation multiculturelle, éducation interculturelle, antiracisme, éducation à la citoyenneté, etc. Ma recherche s’inscrit dans un courant théorique auquel de plus en plus de chercheurs s’intéressent : le paradigme de l’éducation inclusive. Pendant une année scolaire, je me suis intégrée au quotidien de deux écoles primaires montréalaises en contexte de défavorisation socioéconomique et de pluriethnicité. L’approche ethnographique adoptée m’a donné l’opportunité d’accéder aux « coulisses » de ces milieux qui se mobilisent, au quotidien, pour s’adapter aux besoins de leur public scolaire. Les diverses méthodes employées (observations, entretiens individuels et de groupe, etc.) m’ont permis de construire un corpus de données qui favorise le croisement du regard de différents acteurs. Les résultats se structurent autour de quatre thèmes principaux : leadership de la direction, climat socioprofessionnel et pratiques de l’équipe-école, relations écoles-familles et collaborations avec les ressources communautaires. Ces thèmes renvoient à diverses portes d’entrée permettant aux écoles participantes de se mobiliser pour répondre aux besoins d’élèves qui cumulent diverses vulnérabilités socioscolaires, afin de soutenir leur réussite éducative et, ainsi, de mettre en oeuvre une éducation inclusive.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.023 | 0.019 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 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".