L’aide aux apprentissages : le cas des collégiens avec un trouble du spectre de l’autisme et de leurs enseignants
Bibliographic record
Abstract
Avec la loi du 11 février 2005 pour l’égalité des chances, la participation et la citoyenneté des personnes handicapées, la question de l’aide aux élèves en situation de handicap dans leurs apprentissages scolaires est placée au centre des préoccupations. Dans ce contexte, et avec l’objectif de contribuer à l’amélioration des conditions d’apprentissage des élèves du second degré avec un trouble du spectre de l’autisme (TSA), nous nous sommes interrogées sur l’aide proposée aux collégiens avec un TSA en classe par des enseignants d’une part, l’aide demandée aux enseignants en classe par des collégiens avec un TSA d’autre part. Pour cela, nous avons réalisé des entretiens auprès de dix-sept enseignants et onze collégiens avec un TSA. Les résultats montrent que l’aide proposée par les enseignants était essentiellement simple, par opposition à une aide spécifique issue d’une méthode pédagogique particulière, et que l’aide aux élèves avec un TSA ne semblait pas être au centre des préoccupations des enseignants. La demande d’aide était une stratégie utilisée par les collégiens avec un TSA en classe, ce qui montre que ces élèves peuvent adopter une attitude autorégulée et être partie prenante de leurs apprentissages.
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 | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.015 | 0.005 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.016 | 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".