Stratégies pour favoriser l’inclusion scolaire des enfants ayant un troubles du spectre de l’autisme : recension des écrits
Bibliographic record
Abstract
Cette recension se veut un tour d’horizon des principales stratégies d’inclusion scolaire expérimentées avec des enfants ayant un troubles du spectre de l’autisme (TSA). Elle a pour principal objectif d’évaluer l’efficacité de chacune de celles-ci par l’analyse des gains académiques, sociaux et comportementaux. Afin de vérifier que la stratégie a de bonnes chances d’être utilisée dans la classe, cette recension porte un intérêt particulier sur sa validation sociale, c’est-à-dire sur la satisfaction des personnes impliquées dans l’exercice d’inclusion. Cette recension introduit l’inclusion par rapport aux autres types d’intégration, ses impacts ainsi que la situation québécoise. Les stratégies d’inclusion scolaire, au Québec comme ailleurs, s’articulent autour de plusieurs axes : celles basées sur les antécédents, celles qui utilisent l’entraînement aux habiletés sociales, le pairage, de même que les stratégies éducationnelles et cognitives comportementales. Pour plusieurs auteurs, la meilleure stratégie est celle adaptée à l’enfant et au contexte, tout en s’assurant que les enfants typiques y sont également avantagés.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".