Bibliographic record
Abstract
Integrasjon og inkludering av språklige og etniske minoriteter i skole og samfunn er overordnede målsettinger for norsk utdanningspolitikk. Individuelt tilpasset undervisning og særskilt tilrettelagt opplæring for elever med spesielle behov skal bidra til å realisere målsettingene. Forskning har imidlertid vist at minoritetselever er overrepresentert innenfor segregert spesialundervisning i Oslo (Nordahl & Overland 1998). Vi står med dette overfor et paradoks. Det forekommer et sammenfall av pedagogisk og etnisk segregering i skolen som er i skarp motsetning til utdanningspolitiske og pedagogiske målsettinger. Overrepresentasjon av minoritetselever i spesialundervisning, spesialklasser og spesialskoler er et utbredt fenomen i Vesten. Dette er godt dokumentert både i europeiske land, i USA og i Canada i løpet av de siste 20 årene (Mercer 1973, Skutnabb-Kangas 1981, Cummins 1984, Troyna & Carrington 1990, Skrtic 1995, Ainscow & Haile-Giorgis 1999). På 1990 tallet er det dokumentert overrepresentasjon av afroamerikanske elever og barn fra fattige familier i spesialklasser for barn med følelsesmessige forstyrrelser, atferdsforstyrrelser og psykisk utviklingshemming (Foster 1990, Valdes m.fl. 1990, Education 1998). Både i Norge og i andre vestlige land dokumenterer empirisk forskning at barn fra språklige og etniske minoriteter diagnostiseres med funksjonshemminger og lærevansker i skolen i et større omfang enn deres andel av elevpopulasjonen skulle tilsi. På denne bakgrunn har jeg undersøkt hvordan den etniske relasjonen mellom en norsk sakkyndig instans og minoritetselever virker inn på kategoriseringen av lærevansker blant minoritetselever. Kan selve den sakkyndige utredningsprosessen være en medvirkende årsak til overrepresentasjonen av minoritetselever innenfor spesialundervisning?
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 | 0.005 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.007 | 0.011 |
| Scholarly communication | 0.015 | 0.015 |
| Open science | 0.002 | 0.010 |
| Research integrity | 0.005 | 0.006 |
| Insufficient payload (model declined to judge) | 0.027 | 0.007 |
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".