Agir ensemble pour améliorer les pratiques d’intervention précoce à la maternelle en milieu urbain défavorisé
Bibliographic record
Abstract
Dans le contexte de l’ouverture de deux classes maternelles quatre ans en milieu urbain défavorisé visant à offrir un programme d’intervention précoce à des enfants qui n’en bénéficieraient pas autrement, les personnes responsables d’une commission scolaire de la région du Saguenay-Lac-St-Jean (Québec) décident de tout mettre en oeuvre pour la réussite de ces enfants. Elles invitent alors des chercheures de l’université régionale à travailler avec elles afin d’initier un projet de recherche sur le sujet. La démarche entreprise s’inspire d’un modèle écologique dans lequel chacun des acteurs impliqués est pris en compte de même que l’interaction entre les différents paliers d’intervention des acteurs. Ainsi, afin de créer autour de l’élève une véritable communauté de soutien, les intervenants scolaires et sociaux sont appelés à collaborer étroitement pour améliorer leurs pratiques en regard des relations école-famille dans le milieu socio-économique concerné. Une communauté de recherche est créée pour travailler à l’analyse des pratiques en cette matière par la discussion, les échanges et la réflexion, mais aussi à la lumière de la littérature scientifique. Le texte fait état des premières données de cette recherche-action dont le but est de développer chez les différents intervenants impliqués des stratégies de communication et des relations école-famille plus favorables à la réussite des enfants.
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 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 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".