De la reconnaissance à l’invisibilisation : une modélisation des enjeux conceptuels de la diversité en éducation inclusive
Bibliographic record
Abstract
Le mouvement de l’école inclusive est aujourd’hui présent dans la plupart des réformes des systèmes éducatifs d’Europe francophone et d’Amérique du Nord. Il vise à plus de justice sociale, à travers la réussite de tous les élèves. Néanmoins, il n’est pas exempt de certaines tensions épistémologiques et théoriques pouvant faire obstacle à cette visée. La conceptualisation de la « diversité » soulève en effet des enjeux qui relèvent parfois d’implicites ou d’impensés. Par exemple, la mobilisation des marqueurs de la diversité met en lumière la tension autour du statut que la lumière projetée sur une population revêt au regard des effets de la catégorisation. De la même manière, elle porte sur le rapport entre ces différents marqueurs, leur hiérarchisation et l’invisibilité des marqueurs non mobilisés. L’objectif de cet article est de présenter un outil théorique permettant de cerner les enjeux autour de la conceptualisation de la diversité. Reposant sur une adaptation du carré dialectique de la différence culturelle d’Ogay et Edelmann, il propose, dans le domaine de l’éducation inclusive et dans une perspective critique et intersectionnelle, une grille de lecture élargie du rapport à la différence.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.015 |
| Scholarly communication | 0.010 | 0.011 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 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".