COMPRENDRE L’INCLUSION À PARTIR DE FORMATIONS INTERCULTURELLES POUR LES INTERVENANTS ET LES IMMIGRANTS
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Mieux comprendre l’inclusion exige une analyse approfondie des conditions sociales, économiques et politiques (GERMAIN, 2012). Ce qui est vrai, toutefois ce type d’analyse reste insuffisant pour comprendre l’inclusion en contexte interculturel. Premièrement, à cette échelle, les données sur l’immigration provoquent des controverses dont la cause peut être attribuée au fait que les indicateurs économiques, politiques et sociaux à notre disposition sont contradictoires. Deuxièmement, des comparaisons internationales laissent souvent de côté des modèles de gestions nationaux de la diversité, et les caractéristiques des interactions dans les contextes interculturels. L’approche proposée s’intéresse à l’inclusion en tenant compte de ces quatre échelles. Au niveau de l’interaction, elle met en évidence des difficultés propres aux rencontres interculturelles, en utilisant des données des services de santé et de l'insertion professionnelle des immigrants. Ces données suggèrent que les bonnes intentions de tous et chacun ne sont pas suffisantes pour réduire des difficultés en rapport avec des interactions interculturelles, qui sont complexes. Des phénomènes qui échappent notamment aux analyses économiques qui masquent des violences de plus en plus vécues par tous dans l’économie mondiale actuelle. En tenant compte de ces quatre échelles, cette analyse invite à revoir les modèles d’inclusion dans les sociétés pluriethniques.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.003 |
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 it