Apprendre à lire aux élèves présentant une déficience intellectuelle, quel défi !
Bibliographic record
Abstract
Enseigner la lecture aux élèves présentant une déficience intellectuelle (DI) dite moyenne à sévère est un défi de taille. Le présent article vise à identifier les facteurs qui constituent, aux yeux des enseignants spécialisés, des facilitateurs ou des obstacles dans ce domaine. Des entretiens de groupe semi-structurés ont été menés avec 35 enseignants spécialisés travaillant en écoles spécialisées. Une analyse de contenu a permis d’identifier plusieurs facilitateurs et obstacles qui peuvent être répertoriés dans trois catégories d’attribution : l’enseignant lui-même, le contexte et l’élève. Les résultats rendent compte de la prégnance de certains facteurs et permettent d’émettre des recommandations afin de soutenir les enseignants spécialisés pour enseigner plus efficacement la lecture aux élèves présentant une DI.
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 | 0.008 | 0.022 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.017 | 0.005 |
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".